一种基于自适应结构概要的有向标签图子图匹配查询算法

有向标签图作为重要的数据表示模型,广泛应用于社交网络、语义网分析等信息技术相关的研究领域,子图匹配查询是图数据管理的重要研究问题,引起了研究者的广泛关注.有向标签图的子图同构和子图模拟匹配查询由于代价极高,不适用于大规模图数据的查询处理.本文针对有向标签图,研究基于自适应结构概要的子图匹配查询算法.首先基于图压缩的思想,提出一种满足顶点"局部双拟"关系且具有自适应更新特性的有向标签图结构概要模型,在缩小数据图规模的基础上,适应查询图的结构;然后采用图模拟方式,提出基于自适应结构概要模型的子图匹配查询算法,根据查询图顶点的标签,对与其匹配的结构概要顶点按照其中包含数据图顶点的数量由小到大排序,根据查询图顶点之间的rank差值在结构概要模型中实现顶点匹配;最后在真实数据集和模拟数据集上进行实验,结果表明:(1)自适应结构概要模型可根据查询图结构,实现对数据图的最大压缩;(2)可在O(|E|log|V|)的总体时间复杂度内实现结构概要的自适应更新以及基于图模拟方式的子图匹配查询.

大规模标签图中的动态Top-K兴趣子图查询

针对传统算法由于时间或空间复杂度过高而难以实现规模大且动态变化情况下标签图的Top-K子图查询问题,提出一种适用于大规模标签图的动态Top-K兴趣子图查询方法 DISQtop-K。该方法建立了包括节点拓扑结构特性(NTF)索引和边特性(EF)索引的图拓扑结构特性(GTSF)索引,利用该索引可有效剪枝过滤不满足限制条件的无效节点及边;基于GTSF索引提出了多因素候选集过滤策略,通过对查询图候选集进一步剪枝以获得较少的候选集;考虑到图的动态变化可能对匹配结果产生影响,提出了Top-K兴趣子图匹配验证方法——DISQtop-K,将匹配验证过程分为初始匹配和动态修正两个阶段,以尽可能保证查询结果的实时、准确。大量实验结果表明,相比RAM、RWM算法,DISQtop-K方法的索引创建时间较短且占用空间较少,能有效处理大规模标签图中的动态Top-K兴趣子图查询。

层次序列索引的大规模动态标签图子图查询

标签图常用于智能交通网、生物信息网等新兴领域的建模。子图查询作为图数据分析的关键问题,引起了研究者的广泛关注。对现有子图查询算法的研究发现,随着图数据规模增大且频繁更新,传统子图查询算法普遍存在查询效率低,存储开销大,忽略顶点标签信息等问题。为此,提出了一种支持大规模动态标签图子图查询的层次序列索引(Dynamic Hierarchical Sequence,DHS),该索引提取数据图中带有顶点编号的层次拓扑序列关系以实现子图查询;针对图的动态变化,提出了更新点拓扑扩展式索引维护策略,仅从局部变化顶点及边开始进行增量式更新,大大降低了重建索引造成的巨大开销;提出了基于DHS索引的子图查询方法,仅需将查询图与数据图的层次序列进行匹配即可获得候选集,并在其上利用关系匹配策略获得最终查询结果。实验证明提出的方法在保证高效查询的同时降低了索引的创建及维护时间,提高了子图查询效率。

事件社交网中基于有向标签图及用户反馈的活动推荐方法

由于基于事件的社交网络(EBSN)中的活动具有时效性,传统社交网络推荐算法无法适用于EBSN。此外,大多数算法忽略了能影响后续推荐质量的前用户是否接受活动的反馈意见。为此,提出一种EBSN中基于有向标签图及用户反馈的活动推荐方法。首先,将EBSN抽象为有向标签图,并抽取图节点及边的属性特征信息,构建有向图结构特征(DGSF)索引,该索引由节点属性特征索引、有向边属性特征索引以及时间特征索引构成,利用该索引对节点及边进行初次过滤。其次,提出基于DGSF索引的多属性候选集过滤策略,利用时间、节点的出入度、标签类型等特征的限制,实现对查询图候选集的进一步剪枝,避免冗余计算。然后,提出一种具有用户反馈的改进UCB(Upper Confidence Bound)活动推荐算法--EN_UCB,通过引入弹性网回归,根据多影响因素计算用户对活动的兴趣值,为用户推荐兴趣值高的活动,同时接收用户是否接受该活动的反馈,以优化后续用户的推荐。大量实验结果表明,EN_UCB算法的接受率高于TS(Thompson Sampling)、UCB以及eGreedy算法,遗憾率远远低于TS和eGreedy算法,且运行效率高于TS、UCB以及eGreedy算法,活动数越大,优势越明显。所提算法能有效实现EBSN上的在线活动推荐。

基于双图注意力的多领域口语语言理解联合模型

多领域口语语言理解包括多意图识别和槽填充两个子任务,现有研究通过构建语句中的意图和槽之间的关联提升模型的表现。然而现有研究将多领域场景下的意图和槽看作相互独立的标签,忽视了标签之间领域内和领域间的结构关联。该文提出细粒度标签图和领域相关图的双图注意力联合模型。具体来说,细粒度标签图将意图和槽标签分成细粒度分片,建模分片之间的结构性关联和上下文表示的语义特征。领域相关图通过标签间的领域信息,建模预测意图和对应领域内槽的关联,减少图中的冗余关联。实验结果表明,在两个公开的数据集上,该文提出的模型均优于基准模型。

标签约束图上的k步可达性查询

标签约束图上的k步可达性查询问题,回答了在一个标签约束图上两点之间是否存在一条长度不大于k的路径并且这条路径上的标签都在用户给定的标签集中的问题。标签约束图上的k步可达性查询问题在现实中有着广泛的应用,然而现有算法无法直接回答这个问题。因此,首先提出LK2H算法。LK2H算法主要包括构建索引和查询两个步骤。第一步是给图上的所有顶点构建一组包含k和标签信息的2-Hop索引,第二步是基于构建好的索引进行查询。在查询时,为了尽可能地为用户返回更多的信息,LK2H算法优化了一类不可达查询的返回结果:当用户无法明确所有的标签类型,不能给出完整的标签约束,进而导致查询结果为不可达时,将完整的标签集返回给用户。其次,提出优化算法LK2H+。LK2H+算法通过构建部分顶点的2-Hop索引进一步缩减索引大小和索引的构建时间,并基于构建好的索引进行查询。查询时,需要对顶点按照是否构建了索引进行分类讨论。最后,基于15个真实数据集进行测试。实验结果表明,LK2H算法和LK2H+算法都可以高效地解决标签约束图上的k步可达性查询问题。

基于高斯密度图的自然场景中文文字检测

自然场景下中文文字检测任务字符面积较小且文字背景复杂,为此,该文提出了一种基于高斯密度图作为分割区域标签的文字检测改进方法。将文本区域标注从矩形框改变为高斯分布区域标签,在特征融合部分引入了交叉通道融合注意力机制,以提高网络的收敛性能,提出像素值一维投影法解决了文字密集区域输出的高斯密度图在不同标签区域出现重叠的问题。经过实验验证,该文方法对中文文字检测有较好的结果,证明了该方法的有效性。

基于非下采样双树复轮廓波与自适应分块的红外与可见光图像融合

为提高融合效率,解决基于多尺度变换的融合方法中融合系数选择错误的问题,提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分;然后对低频系数采用自适应尺寸分块法进行融合,图像块的尺寸由改进的果蝇算法优化求解,精细化处理低频融合结果,得到一幅能精确到每个系数来源的标签图;再利用高频分量的邻域系数差结合该标签图对高频系数进行融合;最后重构得到融合图像.实验结果表明,该算法能够提高融合速度,解决了空域分块融合容易产生块效应的问题.

标签助力品牌建设 品牌提升标签发展

什么是品牌?品牌,这一名词最初来源于西方牛屁股上用烙铁打上的标记性印记。通过这一印记,人们可以很快认出自己的牛。工业化时代,各大公司发现了标识的商机,纷纷选取有代表性的不同标识,使目标受众能立即识别出他们的产品。信息化时代,通过品牌的名称、符号、设计等要素及一系列市场活动而表现出来的结果所形成的形象、感觉、品质认知,推销企业文化,提高客户忠诚度。

联行信封上预印大宗快件标签差错

银行印在联行信件右上部位的大宗快件标签图样(以下简称标签),是邮政总局特许银行加印的,它与邮政部门印制的大宗快件标签等同使用,一经邮局收寄,加盖邮政日戳,此类预印标签的联行信件即表示邮资已付,不需另贴邮票。这种标签应属邮政史集邮的一个部分。 最近在整理这类联行实寄封时,发现其中有不少错误及不规范的标签,究其原因,主要是银行对邮政部门的规定不熟悉,或不够了解,邮、银双方又缺乏联系所造成。

具有防伪功能的葡萄酒标签

正来自马来西亚的Spotlight公司借用迷宫的灵感设计了如图所示的mysterium品牌限量版葡萄酒包装。此款包装在标签印制方面别出心裁,设计师将一枚普通标签打造出华丽高贵的金箔质感,而其中的奥秘则在于标签印制采用了紫外线油墨及丝网印刷的方式。

标签指导的多尺度图神经网络蛋白质作用关系预测方法

提出了一种标签指导的多尺度图神经网络蛋白质作用关系(label guided multi-scale graph neural network protein-protein interactions,LGMG-PPI)预测方法,不仅增强了数据的表征能力,还引入了标签信息指导学习。首先,通过图数据增强得到多尺度图表示,并将多尺度图表示输入图神经网络得到多尺度蛋白质表示,再引入对比学习进一步提高蛋白质表征能力;其次,构造自学习的标签关系图,学习标签之间的关系,得到标签的特征表示;最后,通过标签的特征表示,对蛋白质作用关系的预测进行指导。在3个公开的数据集上进行了实验,与最优基准方法相比,LGMG-PPI方法具有更好的性能,相比最优基准方法,在SHS27k、SHS148k和STRING这3个数据集上的micro-F1分数分别提升了2.01%、0.94%和0.93%。

局部色彩可控的中国山水画仿真生成方法

本文针对布局标签图到仿真中国山水画的转换生成问题进行研究,现有的基于条件生成对抗网络(CGAN)的方法存在色彩和语义失真、网络结构参数量较大的问题.针对这些问题,提出一种局部色彩可控的中国山水画仿真生成方法.方法首先提出并设计了一种面向山水画的多语义标签图作为交互方式,根据内容、技法、颜色3个语义层次归纳出山水画中对象的类别,相应地设计了面向手绘山水画原作的多语义标签图的分层分割生成算法,用于构造"手绘山水画-多语义标签图"数据对以作网络训练之用;其次,提出了轻量化的多尺度颜色类别关注的条件生成对抗网络MS3C-CGAN,引入空间自适应归一化残差块、双线性上采样结构简化并重构原有的UC-Net生成器,将生成器的参数量减少了24.45%.对比实验结果表明,本文方法仿真生成的中国山水画更具色彩艺术真实感、语义内容更为准确,同时通过编辑布局标签图可控制生成山水画中植被的色彩,可应用于艺术教育、设计模拟等领域.

基于知识库的IFC模型检查方法研究

随着建筑信息模型(BIM)技术在国内外建筑领域的发展,工业基础类(IFC)作为BIM开放数据标准得到了广泛应用。IFC模型的几何与语义表示方式较为复杂,而且模型规模逐渐增大。现有的基于内存或固定路径查询的模型自动检查方法面临着时间、空间效率与查询复杂度的挑战。为此,提出一种基于知识库的IFC模型检查方法,通过将IFC模型解析与建模为属性标签图(LPG),并存储入图数据库,形成了可推理与灵活查询的结构化知识;依托知识库的建立,提出了基于属性链路推理与剪枝的IFC语义信息检查算法和相关几何信息检查算法,开发了IfcGraph自动化检查系统,实现了模型高效存储、灵活检查,提高了模型自动检查的效率与易用性。最后,通过实际工程项目对提出的方法与相应系统进行了可行性的验证。

基于多源位置数据的居民出行频繁模式挖掘

随着城市化进程的不断深入,居民出行频繁模式挖掘成为一个研究热点。然而,现有的研究存在一些问题,如缺乏对频繁模式发生的目的和意义的描述,以及对挖掘结果分析不全面等。针对这些问题,文中提出了一种新颖的居民出行频繁模式挖掘方法(Mining Method of Residents’Frequent Travel Patterns,MMoRFTP)。首先,采用形态学图像方式将地图划分为多个区域,利用融合后的多源位置数据来构建出行模式,并采用主题模型识别每个区域的功能;然后,将缺乏语义信息的出行轨迹转化为具有区域和功能区语义的出行轨迹,并以区域为节点、语义轨迹为边构建居民出行模式图和标签模式图,在图模型构建的基础上提出MulEdge算法来挖掘区域之间由居民出行所形成的频繁关联模式。文中以城市路网数据、POI数据、出租车GPS数据和签到数据作为对象进行实验,结果表明MMoRFTP方法具有良好的性能,其发现的出行频繁模式能为道路规划、交通管理、商业布局等应用提供决策依据。

基于CGAN的中国山水画布局可调的仿真生成方法

以往的山水画计算机仿真由于未从山水画整体布局的角度进行研究,难以实现完整的画作生成.针对上述问题,文中提出布局引导、可实现完整画作生成的中国山水画仿真方法.基于山水画的绘制特点设计可行的布局标签图结构,用于表达山水画的构图形态和要素.借鉴条件生成对抗网络(CGAN)的思想,针对山水画的布局和笔触特点,设计并训练多尺度特征融合的网络结构(MSFF-CGAN),实现布局标签图到仿真山水画这一异质生成过程.同时针对网络训练过程中布局标签图数据稀缺的问题,采用语义关联的颜色像素聚类算法快速生成标签图.为了提高生成图的艺术真实感,引入MemNet超分辨网络增强生成图的纹理细节.实验表明,文中方法生成的仿真山水画具有较好的完整性和艺术真实感,不仅可以应对简单的手绘涂鸦式草图,还可以通过在布局空间的编辑操作,达到对画作空间进行编辑的效果.

Keyword Cloud在文献检索中的应用研究

理论部分对Keyword Cloud的来源、概念、功能以及在图书馆服务中的需求分析进行介绍,为实际应用奠定理论基础。实践部分将Keyword Cloud应用于文献数据库检索服务中,用于汇总检索结果和辅助二次检索;同时引入TagLine技术为传统Keyword Cloud增加时间框架,便于用户观察热点趋势变化;通过用户调查对Keyword Cloud的实用性和适用性进行评价;总结下一步工作的重点在于关键词语义关系的构建。

基于动态标签–资源网络图的信息资源推荐

【目的】解决推荐系统向目标用户推荐过时信息资源的问题。【方法】提出一种基于动态标签–资源网络图的个性化信息资源推荐方法。以资源拥有的共同标签作为连边,建立资源网络图以形成资源语义链,再由资源网络图的连边投影构建具有时间属性的标签网络图以刻画用户兴趣漂移,继而在标签网络图中匹配目标用户兴趣的动态标签,实现为用户推荐精准信息资源。【结果】在数据集Movie Lens上验证本方法能够跟踪、预测用户兴趣漂移,实施资源精准推荐,且平均绝对误差(MAE)较传统方法降低近15%。【局限】诸如信息检索中用户兴趣频繁变化的实时动态环境下的推荐暂未考虑。【结论】该方法可实现为兴趣动态变化的用户推荐更为精准的信息资源。

革命式血拼

说到血拼,你脑子里会出现什么?纽约BOXINGDAY的长龙?新加坡GREATSINGAPORESALE的人山人海?香港打折季节传说中会半价的GUCCI?还是上海cheaproad(七浦路的戏称)那便宜得似乎不要钱的衣服?或者是郭德纲在相声《我要旅游》中一本正经地告诉大家:"知道去巴黎到哪儿买东西吗?动物园对过,记得说拿货。"

基于相位信息的点云与航空影像配准方法

针对机载LiDAR(light detection and ranging)点云与航空影像的数据结构差异导致的配准难题,提出一种在二维平面基于相位信息的点云与航空影像配准方法。首先将点云投影至二维平面,在特征点提取与匹配阶段,利用FAST(features from accelerated segment test)在点云投影图与航空影像上提取特征点;然后采用Log-Gabor滤波器与影像卷积生成响应能量标签图,在此之上构造特征点描述符;最后采用最近邻算法进行匹配并设计了一种误匹配剔除流程进行误匹配剔除,由此建立点云激光点与航空影像像素之间的对应关系。为验证本文方法有效性,选取了3个场景的点云数据与航空影像进行实验,并与PSO-SIFT(position scale ori⁃entation-scale invariant feature transform)、RIFT(radiationvariation insensitive feature transform)、HAPCG(histogran of absolute phase consistency gradients)算法进行对比。结果表明,该方法的综合匹配性能在该数据中具有较高的鲁棒性与自动化水平。