基于限界传递相似度图的FCA概念相似度计算方法

使用相似度图计算FCA概念相似度需要构造相似关系的传递闭包,对于复杂问题会导致相似度图规模过大,从而影响相似度评价的效率。为了降低相似度图规模,提出一种基于限界传递相似度图的FCA概念相似度计算方法。该方法首先通过限定传递相似关系的长度来避免构造相似关系的传递闭包,得到的限界传递相似度图中忽略了长度超过界限且对区分FCA概念无用的传递相似关系,能够有效压缩相似度图的规模;然后给出了动态传递相似度计算方法和由限界传递相似度图构建二部图的方法。实验结果表明,使用限界传递相似度图能够在不损失计算结果准确度的情况下有效提高FCA概念相似度计算的效率。

基于近邻相似度图聚类的用户用电行为分析

以周负荷数据为用户用电行为分析的视角较通常使用日负荷数据更符合用户客观用电周期规律,提出一种面向用户周负荷数据聚类方法,通过改进的近邻相似度图聚类避免计算过程中维度增高导致的相似一致化,优化计算的时间与空间复杂度,实现用户用电特征准确快速提取,相较常见的K-means和DBSCAN等方法聚类效果更佳,使用逐段聚集平均降维表示,便于后续分析。以某省大工业用户用电数据作为仿真算例进行验证。

融合相似度图和随机游走模型的多标签短文本分类算法

提出一种融合相似度图和随机游走模型的多标签短文本分类算法。首先,以样本数据和标签为节点创建相似度图,借助外部知识库计算样本与标签之间的权重,得到预测样本与标签集合之间的匹配度。然后,将多标签数据映射成多标签依赖图,在图上进行重启随机游走,并将已获得的匹配度作为初始预测值,计算每个节点的概率分布,直到概率分布趋于稳定时,节点的概率分布即为标签的概率分布,进而确定预测文本的标签集。实验结果表明,本文提出的算法有较好的多标签文本分类性能,与同类算法相比较,分类性能显著提升。

一种基于自适应结构感知池化图匹配的图相似度计算模型

图相似度计算在许多有关图的任务中起着重要作用,例如图相似性搜索、图分类和图聚簇等。由于计算2个图之间的精确距离/相似度通常是NP-hard的,因此基于神经网络提出了自适应结构感知池化图匹配网络模型(ASAPMN),用端到端的方式来计算任意2个图结构之间的相似性。利用一种新颖的自我注意网络和一种改进的图神经网络来确定给定图中每个节点的重要性,通过学习对每一层的节点进行稀疏软集群分配,从而有效地池化子图,形成池化图。在池化后的图对上利用结点-图匹配网络有效地学习一个图的每个节点与另一整个图之间的跨层交互提取图间相似度。在4个公共数据集上的综合实验结果表明,ASAPMN在图-图分类和回归任务中优于最先进的基线模型。

基于元结构匹配与有偏采样的图相似度计算方法

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神经网络的图相似度计算方法.然而这些算法虽有效加快了图相似度的计算,但是仍然存在两方面的不足,从而影响了他们的性能:(1)多数现有工作通过节点级或图级嵌入的比较来衡量图之间的相似度,忽略了大图中丰富的局部结构特征;(2)所有现有工作均随机采样生成图对数据,导致样本包含的结构不均匀,训练所得模型只对部分特定结构敏感因而误差较大.为此,本文提出了一种新颖的基于元结构匹配与有偏采样的图相似度计算方法MB-GSC(Meta-Structure Matching and Biased Sampling based Graph Similarity Computation).首先提出GSE(Graph Structure Extraction)算法提取图中元结构并构建图的结构分布向量,然后基于此向量提出有偏采样策略RSG(Representative Sample Generation)进行代表性样本的生成,用于后续模型训练.同时,提出算法MSA(Meta Structure Alignment)对提取到的元结构进行最优匹配对齐,从而获取公有结构形状差异与特有结构数量差异,进而构建蕴含有效的局部相似信息的子结构相似向量.最后,在模型中集成节点级成对比较相似向量、图级神经张量网络相似向量、子结构相似向量进行图对相似性计算.为验证算法的有效性,采用5个评估指标在4个真实数据集上与基准方法进行了大量对比实验,对模型性能进行全面评估.实验结果验证了本文所提算法MB-GSC能够更准确且高效地计算图之间的相似度,在GED预测、MCS预测任务上的准确度比现有模型分别提升11.16%、7.45%,且在保证相同准确率的同时使训练样本数平均减少54%.

谱图相似度分析结合保留指数对单萜烯同分异构体的GC-MS定性分析

运用欧氏距离的最短距离聚类分析法,对在质谱数据库NIST02.L检索到的37种单萜烯同分异构体的93张质谱图进行了分类。结果显示,单萜烯被分成5类,大部分单萜烯聚到1类,包括30种单萜烯的77张质谱图。但部分谱图很近似,仅用传统的质谱库匹配鉴定其结构存在一定的困难。采用改进的谱图相似度分析结合保留指数实现了有效定性,并将该方法用于实际样品的定性分析。

基于知识图谱的专利侵权风险预警研究

同一领域产品的专利技术具有高技术关联度等特征,企业在生产经营活动中面临着专利侵权的潜在风险,立足于企业专利侵权预警的实际需求,高效、准确地检测产品存在的专利侵权风险具有重要意义。由此,本文提出了专利侵权风险预警模型,该模型重新定义了领域专利知识图谱、产品技术方案图谱的模式层,涵盖了组件实体、结构实体和功效实体三类实体类型,以及组成关系、相对位置关系、连接关系和功效达成关系四类实体关系;基于BERT(bidirectional encoder representations from transformers)和BiLSTM(bi-directional long short-term memory)模型构建专利知识图谱和产品技术方案知识图谱;基于ComplEx模型实现知识图谱的嵌入,实现产品和专利技术之间相似度的量化计算,并根据专利侵权风险指数做出侵权预警。以空气加湿器和耳机两类产品进行实证研究,专利侵权预警准确率为86.67%,具有一定的应用价值。

BMGSJoin:一种基于MapReduce的图相似度连接算法

图相似度连接在数据挖掘领域应用广泛,尤其是在数据预处理阶段,可用于数据清理、近复本检测等,其研究具有十分重要的意义.针对基于编辑距离约束的图相似度连接问题进行研究,返回两个图集合中所有编辑距离不超过给定阈值的图对.基于分布式编程框架MapReduce,设计采用"过滤-验证"框架的MGSJoin算法,利用基于路径的q-gram签名实现非解候选对的过滤,计数过滤.鉴于该算法键值对数量庞大的潜在问题,引入Bloom Filter技术对算法进行改进并设计BMGSJoin算法.实验结果表明,提出的两种图相似度连接算法能较大地改善现有算法的效率和可扩展性,并能较好地应对当前大数据挖掘分析的需求.

基于多重序列所有公共子序列的启发式算法度量多图的相似度

提出了启发式A*算法度量任意多个图的相似度方法,该算法将多图表示多重序列,在多重序列的匹配点上计算多重序列的所有公共子序列数,得到的所有公共子序列数用来度量多图的相似度。该算法避免了在非匹配点上的冗余计算,最大化后缀序列的所有公共子序列数的启发函数值,将访问的节点限制在两个序列匹配的子集,减少了计算节点的个数。与现有度量图的相似度方法相比,该算法不仅可以度量任意多个图的相似度,而且计算过程简单,通过启发信息的引导能够快速地度量多图的相似度。

基于垂直维序列动态时间规整方法的图相似度度量

针对图相似度度量过程中复杂度高、信息缺失的问题,采用将图转换为广义树,将广义树表示为垂直维序列的方法,通过计算垂直维序列的距离度量图的相似度。该方法把度量图相似度的问题简化为计算垂直维序列距离的问题。垂直维序列不仅包含了顶点标号、入度和出度信息,而且体现了顶点的层次结构特性,保留了图中的路径信息。与现有方法相比,该方法在度量过程中考虑了更多的图信息,并将时间复杂度降至O(n^2)。

基于分子图相似度的医药文献推荐方法

当今生物医学等领域的文献快速增长,一方面促进了科研交流,但同时也为研究人员带来了巨大的阅读压力,尽管业界已出现了一些论文搜索和推荐的方法,但其大都只依据论文的元信息和文本信息,而对文章内容,尤其是插图等非文字对象尚未充分挖掘并利用,因此现有系统在给读者的推荐结果中,还存在着大量重复、泛化等低效情况。为此,我们探索并建立了一个基于论文内容的文档级推荐系统,具体包括:文档解析、文本对象理解、内容相似性度量、多级索引机制、以及优化推荐结果等主要环节。其中,针对生物医学类科技文献中特有的分子式图片,我们提出了一种图相似度的度量方法,即半分支编辑距离(Half-branch GED,简称HB-GED)算法,同时针对分子图形表示和文档之间关系表示也提出了图卷积模型。在真实数据集上的实验结果表明,本文提出的论文推荐方法,可有效筛选出更符合查询者意图的候选论文。

多特征融合的图像质量评价方法

为了规避图像质量评价中的视觉特征和池化策略难以选取和解释的问题,在提取参考图像和失真图像的多种底层特征的基础上,采用机器学习的方法自动预测真实图像质量,提出多特征融合的图像质量评价方法.针对参考图像和失真图像分别提取相位一致性、梯度、视觉显著性、对比度特征,计算4种特征的相似度图,提取相似度图的均值和方差特征,最后采用支持向量回归评价文中方法.在LIVE、CSIQ、TID2008和TID2013图像库上的实验表明,文中方法的主客观一致性较好.

一种基于谱嵌入和局部密度的离群点检测算法

离群点检测问题是数据挖掘领域的研究热点之一。现有的检测算法主要应用于离群点位于初始属性子空间或底层子空间各种线性组合等情况,当离群点嵌入局部非线性子空间时,进行离群点有效检测的难度很大。为此,文中分析了典型的谱嵌入算法在离群点检测上存在的不足,然后以局部密度为基础,提出了一种基于谱嵌入和局部密度的离群点检测算法。该算法采用迭代策略对不重要的特征向量进行高效筛查,以发现有助于检测出局部非线性子空间离群点的特征向量,并利用上一次迭代获得的基于局部密度的谱嵌入结果来改进下一次迭代的相似度图,经过多次迭代可以将离群点从正常点中分离。仿真实验结果表明,所提算法的检测精度优于当前其他典型算法,且该算法对参数的设置不敏感。

基于图相似度的专利侵权检测方法研究

[目的／意义]针对如何准确进行专利侵权检测，提出一种基于图相似度的专利侵权检测方法。[方法／过程]将专利语义特征抽取为subject—action-0bject（SAO）结构并利用图论将其表示为图的形式，然后将图转换为邻接矩阵并计算邻接矩阵的相似性来完成专利侵权判定，最后利用专利样本数据比较该方法与传统方法的判定准确率。[结果／结论]实证研究结果表明，本研究提出的方法判定准确率更高，比传统的基于专利文本向量的方法准确率提升4．89％，可以作为专利侵权检测的有效方法。

基于案例推理和知识图谱的WRF气象模拟知识推荐研究

地理模拟作为地理环境模拟与认知的重要方法,是挖掘地理知识、揭示地理规律的重要手段。气象模拟,作为重要组成部分参与到地理环境模拟的诸多方面,影响到地理环境的系统模拟和复杂问题求解。而气象模型专业性强、模拟知识复杂,涉及到输入数据、模拟方案设置等诸多方面,所以如何高效管理及共享气象模拟知识成为亟需解决的问题。本文应用案例推理和知识图谱,统一异构的气象模拟知识,研究顾及语义和图结构相似度的气象模拟知识推荐方法,以提高气象模拟知识的共享能力。①本文基于中文气象模拟文献资料抽取了气象模拟知识,以模拟案例为载体,在知识图谱中构建气象模拟知识库;②构建气象模拟案例相似度评估模型,实现顾及语义和图结构相似度的气象模拟知识推荐,该模型一方面利用经过气象模拟语料库训练的Bert(Bidirectional Encoder Representations from Transformers)语义模型挖掘气象模拟知识案例的语义特征,另一方面提取存储在图谱中模拟案例的结构特征,并通过AHP(Analytic Hierarchy Process)层次分析法进行权重设置,从而准确的衡量气象模拟案例的相似度。③研发了可视化的气象模拟知识共享原型系统,可以根据用户需求推荐气象模拟知识的参数方案,为涉及气象过程的地理系统模拟人员提供知识参考。基于所构建的气象模拟知识库,经推荐准确性和稳定性评估,系统的推荐准确率达到91.3%,研究成果提高了气象模拟知识共享和重用能力。

基于异构属性图的案件相似度算法研究

【目的】基于司法案件异构属性图,提出一种高效的案件相似度计算模型,用于提升案件相似度比较的速度和精确率。【方法】以案件的法律文书内容及其他相关信息构建案件异构属性图,将案件文本相似性问题转化为图相似性问题,结合图注意力网络和邻域节点共识匹配,能够有效学习到司法案件异构属性图的局部信息和全局信息,进而计算案件的相似度。【结果】在2019年中国法研杯的相似案例匹配数据集上,所提出模型在计算量(FLOPs)仅有冠军模型1.02%的情况下,达到了优于冠军模型的结果。【局限】本文模型的精度与属性图构建的复杂性呈正相关,但通过离线方式预先构建案件异构属性图,不会影响算法的时间复杂度。【结论】基于司法案件异构属性图有效利用了司法领域文本中的深度语义和法律主客体之间的隐含信息,提升了案件相似度比较的速度和精确率。

面向点击通过率预测的交互边选择算法研究

点击通过率(click-through rate,CTR)作为推荐系统中必不可少的核心任务分支,提高其预测准确性,既能改善用户的浏览体验,也能为平台增加收益。以往模型在对点击通过率进行建模预测时,保留所有的交互特征存在信息冗余,交互低效等问题。针对这一问题提出了一种面向点击通过率预测的交互边选择模型,通过自动识别冗余信息来动态选择有益的交互特征,主要由交互边选择网络层,图节点相似度注意力层构成。交互边选择网络层引入过滤阈值机制并结合动态关联矩阵来去除冗余信息,图节点相似度注意力层通过学习相似度权重矩阵来解决节点过度平滑问题。在Criteo和Avazu两个公开数据集上的大量实验证明,该模型的预测能力优于已有模型。

基于局部占优度的彩色图像分割算法

设计了一种新的有效稳定的彩色图像分割算法.该算法首先利用均值漂移(MS)算法预分割图像,产生了许多保留了图像不连续特征的分割区域,然后构建预分割区域的相似度图,并利用谱聚类集成算法对相似度图进行全局最优划分.为了避免在构建相似度图时仅利用像素点的亮度信息而产生一些不合适的划分结果,定义了一个局部占优度的变量,该变量综合考虑了局部区域像素的亮度和细节信息.本文算法在彩色图像上的实验结果验证了其高效的运算速度.

放置时间对汽油燃烧残留物定量分析的影响

为了研究放置时间对汽油燃烧残留物特征组分的影响,将92#乙醇汽油燃烧残留物放置在室温10℃左右的物证袋中0、1、3、7、14d,利用GC-MS分析残留物特征组分及其含量变化情况,并对其谱图相似度进行评价。发现放置1d时物质基本保留较好,3d时大部分烷烃丢失,其余物质检出较好,7d时能检出C9烷、C2苯、C3苯、萘、甲基萘和茚满,14d仅能检出对二甲苯和1,3,5-三甲苯。随着放置时间的延长轻质组分相对含量下降,重质组分含量上升。放置7d谱图相似度呈现出中等相关,14d时相似度为弱相关。综合得出较湿润的汽油燃烧残留物的送检放置时间应控制在7d之内。

灵活自适应的无监督降维

无标签高维数据在图像处理、自然语言处理、数据挖掘等实际场景中无处不在.人工手动标记工作量大、劳动密集、时间开销高、易受主观因素影响且普适性差.计算机在处理高维数据时,时间复杂度大且对硬件配置要求高.因此,无监督降维成为一项迫切的需求.常规基于图的无监督降维方法,使用提前构建的、固定的相似度图学习得到高维数据的低维表示.然而,使用固定不变的相似度图无法修改噪点、离群值和样本外数据引起的不可靠相似度信息.这对于复杂多样的实际任务要求过于严格.为此,本文提出一种灵活自适应的无监督降维(Flexible and Adaptive Unsupervised Dimensionality Reduction,FAUDR)方法.FAUDR通过引入一个回归项,使严格的线性映射规则得到灵活地松弛,以更好地处理可能会引起不可靠信息的噪点、离群值和样本外数据.在降维过程中,该方法同时依赖原始高维数据和动态变化的低维表示,自适应地学习相似度图.将相似度图的构建和低维表示结合起来.自适应学习的相似度图在原始高维空间以及低维空间都实现了理想的邻居分配.这也促进了最佳低维子空间的探索.此外,本文采用了一种有效的交替迭代优化算法,依次更新目标问题中的所有变量.结束迭代后,同时得到相似度矩阵和低维表示的最优解.最后,本文从理论上分析了该算法的收敛性、计算复杂度和存储复杂度.实验分别在两个合成数据集上和八个基准数据集上进行.合成数据集上的实验直观地展示了FAUDR处理噪点和离群值的能力.基准数据上的实验从降维性能、参数敏感性和收敛性三个方面分别验证了FAUDR的有效性.综合实验结果表明,相比于一些经典方法和当前有代表性的方法,本文所提出方法表现出良好的降维性能.不同维度基准数据集上的实验结果显示,该方法比结果第二好的方法在精度(ACCuracy,ACC)、标准化互信息(Normalized Mutual Information,NMI)和纯度(Purity)上分别提升了至少3.25%、0.73%和3.00%.