Schrijver图S_G(2k+2,k)的全色数

图G的一个k-全染色是用k种颜色对图G的顶点和边进行染色,使得任意相邻的边、相邻的顶点和相关联的顶点和边都染不同的颜色.图G的全色数是图G的k-全染色中最小的k值,记为χ″(G).Behzad和Vizing分别独立地提出了著名的全染色猜想TCC:Δ+1≤χ″(G)≤Δ+2,Δ表示图G的最大度.研究了Schrijver图SG(2k+2,k)的全色数问题,得到了χ″(SG(2k+2,k))=Δ+1=k+3,其中k≥2.

图联邦学习:问题、方法与挑战

图作为一种高效、灵活、通用的数据结构,在多个学科领域得到了广泛应用。近年来,基于图的深度学习算法不断涌现,并在社交网络、生物信息学、推荐系统等领域取得显著成效。尽管公开的图数据量在增加,但高质量的数据往往分散在不同的数据所有者手中。随着社会对数据隐私保护要求的提高,现有的图学习算法面临着许多挑战。图联邦学习作为一种有效的解决方案应运而生。文中系统回顾了图联邦学习领域近五年的研究进展,将该领域的核心问题划分为3个部分,并在结构上进行了垂直整合,在关系上进行了递进阐述,包括:1)原始图数据差异导致的结构异构性;2)图联邦特性导致的模型聚合问题;3)模型整体调优方面的挑战。针对每个问题,详细分析了代表性工作及其优缺点,并总结了图联邦学习领域的典型应用和未来挑战。

基于双图神经网络的会话推荐算法

针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。

基于群论的频率图在旅行商问题中的应用

针对最小生成树(minimum spanning tree,MST)和旅行商问题(travelling salesman problem,TSP),介绍了完全图上的两类特殊图并定义了这些图上的交运算,每类特殊图和交运算构成一个半群。根据半群性质计算出频率图,分析了最优哈密顿圈(optimal Hamiltonian cycle,OHC)和MST中边的频率性质,证明了频率图上OHC中边的频率下界,该频率下界用于缩小OHC的搜索空间,降低了TSP的求解难度。此外,采用一些TSP算例验证了频率图上OHC中边的频率性质。

基于Ollivier-Ricci曲率的图扩散节点分类算法

为解决图扩散方法在处理复杂边关系时精度降低的局限性,提出了一种基于曲率的图扩散神经网络。首先,引入Ollivier-Ricci曲率量化图的边曲率,提供关于图结构的几何度量;其次,运用曲率调整随机转移矩阵的权重,根据几何关系进行相应的权重修改;最后,将处理后的曲率矩阵与图扩散矩阵结合,更新权重系数进行模型训练。实验结果表明,与传统的图扩散方法相比,改良后的方法保持了有效地平滑图信号和减少高频噪声的优点,并在不同边和节点数量的数据集上将精度提高0.3~2.0百分点。该方法通过优化图扩散的消息聚合,能够更有效地利用图结构中的节点信息和边权重,从而提升节点分类任务中的模型性能,为未来基于图方法的研究提供了更可靠的方法与实验。

基于三维加工图的AZ31与GW83镁合金热加工可成形性对比研究

为了研究传统商业牌号镁合金与稀土镁合金在热加工可成形性上的差异性,以传统商业牌号AZ31镁合金和高强韧GW83稀土镁合金为研究对象,分别在压缩温度300~450℃,应变速率为0.001~1 s^(-1)条件下开展了热压缩实验,得到了两种合金的真应力-真应变关系曲线,对比分析了两种合金的热压缩变形特性。基于真应力-真应变曲线、动态材料模型和Murty失稳判据,分别建立了两种合金的三维加工图,预测了相应的安全区间和失稳区间,对比了两种合金的热加工可成形性。最后,以两种合金为原料,采用3组不同的工艺参数分别开展了针对同一规格薄壁管的反挤压成形实验。结果表明:与AZ31相比,GW83合金的安全区间较窄,失稳区间较宽,可成形性较差。以AZ31为原料反挤压成形的薄壁管外形较好且组织为细小的再结晶晶粒;而GW83合金在反挤压过程中成形困难,各组已成形薄壁管的边缘均发生了碎裂且组织中含有大量孪晶。验证了基于三维加工图实现不同材料可成形性预测方法的可行性。

基于多特征提取和对比学习的知识图谱链接预测

针对传统知识图谱链接预测方法提取图谱节点特征角度单一,且在训练过程中较少考虑节点间复杂的交互作用,构建的负例三元组质量较低等问题,提出了一种链接预测方法,旨在充分利用知识图谱节点间的相互作用和图结构蕴含的交互信息,考虑从多特征角度识别出三元组中的缺失事实。首先,通过不同的节点特征提取方式从不同角度获得节点的嵌入表示,并聚合邻居节点特征以增强其实体语义信息;其次,用多个卷积操作提取实体和关系之间的全局关系和过渡特征,通过深度特征提取的方式处理实体和关系的信息交互;最后,通过引入对比学习,干预负例三元组的构建,同时增强负例三元组的特征,提高所构建三元组的质量,最终通过计算余弦相似度筛选出预测实体。实验结果表明,提出的方法在知识图谱链接预测任务中的多个评价指标相比对比模型均有提高,同时验证了所提方法在处理多关系的复杂知识图谱时的有效性。

基于图计算的可重构电池网络能效提升与热安全管控

可重构电池系统凭借其能量信息耦合优势成为解决电化学储能“木桶效应”的一个有效手段。但其可用路径规划量会随着电池数目的增多而成倍增长,使得在路径选择时需要考虑不同拓扑结构和负载需求约束,从而使重构策略难以快速制定和应用。该文利用可重构电池网络与图的一致性,将电池网络动态控制问题转化为图的遍历寻优问题,提出了基于记忆化搜索的图深度优先遍历的重构电池网络能效提升及热安全管控策略,从而获取了满足拓扑约束条件的最优开关配置,并可排除温度异常的故障电池模组。最后,通过搭建可重构电池网络实验平台对该方法进行了验证。该研究结果能够为提高电池网络系统能效及安全性提供一定借鉴。

低密度地球化学填图重现性定量评价:以中国钴为例

低密度地球化学填图的重现性是开展全球尺度地球化学填图的核心科学问题之一,长期以来备受地球化学填图界的密切关注。但缺乏对低密度地球化学填图重现性定量评价的有效手段,对重现性的定量化认识一直相当薄弱。本研究利用中国地球化学基准计划(CGB)和区域化探扫面计划(RGNR)两种尺度钴元素数据,基于1546个典型汇水域局部空间相关系数分析,对低密度地球化学填图重现性进行定量评价,探讨其空间分布特征与影响因素。研究结果表明,全国尺度上,相关性受到钴含量和地球化学景观条件的共同影响。局部尺度上,受到差异剥蚀影响。贫钴背景下(沉积物钴含量<13μg/g),填图重现性指数R在0.4附近浮动,而富钴背景下(沉积物钴含量>13μg/g),填图重现性指数R从0.4增加至0.6以上。岩溶区、热带雨林区和半干旱中低山丘陵景观区重现性指数R高达0.58~0.74。冲积平原和森林沼泽景观区重现性指数R小于0.32。本研究为低密度地球化学填图方法研究提供了定量评价指标,总体而言,低密度地球化学填图采样方法能较好地重现元素分布特征,在全球尺度地球化学填图中具有良好的应用前景。

“地下理想家园”的营造——汉画像石农耕图功能新探

作为汉代艺术的独特表现形式,画像石内容丰富,其中包含一些与农耕相关的图像。这些画像石农耕图,其性质并非技术图绘,而主要是一种丧葬用品,本质上同陶仓等丧葬明器一样,用来满足墓主在地下世界的需求。这一现象的出现与墓葬形制、丧葬习俗的变化紧密相关,又与灵魂不死、孝观念的变化与广泛传播有直接关系,而汉代精耕细作农业传统的初步定型与牛耕的普及,则为画像石农耕图的出现提供了基础。农事元素进入画像石与丧葬系统,与“农为天下之大本”的理念相互辉映,反映古代中华文明的农耕文明特质。

刊图劝捐:丁戊奇荒中赈灾图的刊刻、传播及影响

光绪三年至四年,华北五省发生了特大旱灾,史称“丁戊奇荒”,以谢家福、郑观应为首的仁人志士,为了支援灾区、抵制西人教赈、维护和巩固京畿地区安全,北上义赈。他们主持刊刻了塔图、铁泪图、福报图、观音图、万利图、如意图等赈灾图,以刻画灾民凄惨生活和积善福报为主要内容。有别于传统流民图绘图上谏的形式,赈灾图刊布自江浙至岭南各省,以助赈公所为依托,筹集善款,动员社会各阶层各身份群体参与到义赈中。赈灾图传播地域广、影响范围大,形成了自身独特的文献特征,并发挥了相应的社会功用。刊图劝捐作为初兴期义赈中的重要手段,成为富有近代性特征的民间社会助赈行为。

系统性红斑狼疮并发股骨头坏死危险因素列线图预测模型的建立和验证

背景:股骨头坏死是系统性红斑狼疮患者常见的并发症,若能早期对其发生风险进行预测与验证,将有助于避免或延缓股骨头坏死的发展。目的:分析系统性红斑狼疮患者并发股骨头坏死的危险因素,构建系统性红斑狼疮患者并发股骨头坏死的列线图预测模型并进行验证。方法:回顾性分析2013年1月至2022年12月首次就诊于河南中医药大学第一附属医院的914例系统性红斑狼疮患者的病历资料,根据是否发生股骨头坏死分为发生股骨头坏死组(n=100)和未发生股骨头坏死组(n=814)。采用单因素、LASSO回归和多因素Logistic回归分析筛选和确定系统性红斑狼疮并发股骨头坏死的危险因素。同时将数据集按照7∶3的比例随机分为训练集和测试集,并基于多因素Logistic回归分析结果,构建系统性红斑狼疮并发股骨头坏死的列线图预测模型。同时,使用受试者工作特征曲线、Hosmer-Lemeshow校准曲线和决策曲线对列线图的性能进行评估。结果与结论:①股骨头坏死组与未发生股骨头坏死组患者在系统性红斑狼疮病程、系统性红斑狼疮疾病活动度评分、狼疮性肾炎、呼吸系统受累、胃肠道受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、补体C3降低、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量、糖皮质激素冲击治疗方面差异有显著性意义(P<0.05);②采用LASSO回归分析方法筛选出10个与系统性红斑狼疮并发股骨头坏死风险相关的预测变量,将其纳入多因素Logistic回归分析,结果显示系统性红斑狼疮病程、呼吸系统受累、干燥综合征、骨质疏松、抗核糖核蛋白抗体阳性、环磷酰胺、吗替麦考酚酯、生物抑制剂、糖皮质激素最大日剂量是系统性红斑狼疮患者发生股骨头坏死的独立危险因素(P<0.05);③训练集中预测发生风险的受试者工作特征曲线下面积为0.802(95%CI=0.742-0.862),测试集预测发生股骨头坏死风险受试者工作特征曲线下面积为0.811(95%CI=0.745-0.876);Hosmer-Lemeshow校准曲线拟合度较好(训练集,P=0.447;验证集,P=0.870);决策曲线显示使用列线图预测模型预测系统性红斑狼疮患者发生股骨头坏死的风险是有益的;④月经异常为女性系统性红斑狼疮患者并发股骨头坏死的危险因素之一;⑤此次研究结果提示,系统性红斑狼疮并发股骨头坏死的危险因素是多因素的,同时建立了一个包含9个危险因素的列线图预测模型,可将其用于预测系统性红斑狼疮患者发生股骨头坏死的风险;此外,首次报道了月经异常为女性系统性红斑狼疮并发股骨头坏死的危险因素之一。

面向有向图的特征提取与表征学习研究

图数据是一种用于描述不同实体之间关联关系的重要数据形式。有向图作为一种特殊形式,不仅能描述实体关联,还能明确关系的方向,提供了更精细和详实的描述。因此,有向图的特征提取和表征学习对于深入理解复杂系统具有至关重要的意义。然而,现有方法在有效提取有向图的方向信息方面仍然存在挑战,主要依赖于节点的局部信息进行特征提取,难以充分利用有向边蕴含的方向信息。为解决这一问题,提出了一种名为变分有向图自编码器(variational directed graph autoencoder,VDGAE)的无监督表示学习方法。VDGAE通过关联矩阵来建模节点与边之间的关联关系,通过计算节点与边之间的亲和力,来重构输入有向图,从而实现无监督表征学习。基于此,VDGAE能够同时为输入有向图学习节点与边的表征,充分捕获有向图的结构信息和方向信息并嵌入至节点与边的表征向量中,使得有向图能够被更准确地表征。实验结果表明,相较于11个基准方法,VDGAE在5个数据集上节点分类任务均优于基准方法,提升了11.96%的预测精度,充分验证了其有效性。

现象图析学视角下高校科研人员数字囤积行为形成机理研究

文章利用现象图析学方法解读高校科研人员数字囤积行为形成的内在机理,并从数字存储、数字囤积和暂时脱离数字囤积3个环节,以及情境触发、感知判断、情绪发酵和行为反馈4个方面构建高校科研人员数字囤积行为机理模型,在此基础上提出高校科研人员数字囤积行为干预策略,即感知学术信息价值,统筹规划科研周期;提高学术素养,拓宽信息获取渠道;促进团队交流分享,引导情绪正向迭代;深化自我认知,吸取经验重塑行为。

基于多层次图对比学习的序列推荐模型

针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习,而没有办法学习到精细的、易于区分的用户与项目表示的问题,提出一种基于多层次图对比学习的序列推荐(MLGCL-SR)模型。首先,根据用户点击项目的顺序构建项目转移图,并对它进行嵌入表示;其次,利用优化后的双向门控图神经网络(BI-GGNN)在嵌入的项目转移图上进行用户的表示学习;最后,对主要推荐预测任务通过交叉熵损失函数进行参数更新,并使用多层次对比学习任务在嵌入层、节点层、序列层三个层次辅助推荐预测任务进行参数更新,其中在嵌入层和节点层辅助推荐预测任务进行更好的项目表示,而在序列层辅助推荐预测任务进行更好的用户表示。在3个基准数据集Sports、Beauty、Toys上的实验结果表明,相较于对比的最优模型MCLRec(Meta-optimized Contrastive Learning for sequential Recommendation),MLGCL-SR模型在命中率(HR)和归一化折损累计增益(NDCG)指标上有了显著的提升,在能较好反映推荐效果的NDCG@10指标上分别提升了14.2%、19.1%和23.1%,验证了模型的有效性。

冠心病患者经皮冠状动脉介入术后主要不良心血管事件发生的影响因素及列线图模型的构建

目的调查冠心病(CHD)患者经皮冠状动脉介入术(PCI)术后主要不良心血管事件(MACE发生的影响因素,并建立有效预测CHD患者PCI术后发生MACE的列线图预测模型并进行验证。方法选取华中科技大学同济医学院附属同济医院2022年1月至2024年8月收治的346例确诊的CHD患者为研究对象,根据7∶3的比例随机分为建模组242例和验证组104例,建模组根据患者是否发生MACE分为发生组(85例)和未发生组(157例)。通过Logistic回归分析筛选CHD患者发生MACE的影响因素;采用R软件及RMS程序包构建CHD患者发生MACE的列线图风险预测模型;采用ROC曲线、校准图形验证模型的区分度以及一致性。结果与未发生组相比,发生组患者B型利钠肽(BNP)、心电图Q-T间期离散度(QTd)、冠状动脉中重度钙化、支架数量≥2个的占比明显升高[(522.19±55.37)ng/L比(449.06±50.24)ng/L、(85.47±9.68)ms比(72.51±8.23)ms、33.82%比19.75%、30.59%比14.01%,均P<0.05)],白蛋白(ALB)、左心室射血分数(LVEF)、左心房内径(LAD)水平明显降低[(32.54±4.49)g/L比(41.59±5.61)g/L、(33.08±4.65)%比(40.25±5.18)%、(42.18±5.24)mm比(49.37±5.36)mm,均P<0.05];BNP(OR=1.023)、ALB(OR=0.708)、QTd(OR=1.290)、LVEF(OR=0.773)、LAD(OR=0.739)、冠状动脉中重度钙化(OR=19.708)均为CHD患者发生MACE的影响因素(P<0.05);构建列线图预测模型预测发生MACE风险的曲线下面积(AUC)为0.955(95%CI0.933~0.977),说明区分度良好,校正曲线趋近于理想曲线,实际值与预测值一致性良好;验证组中,列线图预测MACE发生风险的AUC为0.901(95%CI 0.846~0.957)。结论BNP、ALB、QTd、LVEF、LAD、冠状动脉中重度钙化为CHD患者PCI术后发生MACE的影响因素,进一步成功构建列线图预测模型,经过验证分析该列线图预测模型可有效预测CHD患者PCI术后发生MACE的风险。

现象图析学视角下健康焦虑与信息搜寻行为的交互机理研究

[目的/意义]探析健康焦虑与信息搜寻行为的影响因素与交互机理,有助于丰富信息行为研究的理论范式,为深入解析用户健康焦虑现象提供理论指导与实践应用。[方法/过程]利用现象图析学的质性研究方法,对健康焦虑与信息搜寻行为的交互机理进行深入挖掘,基于I-PACE理论模型框架,从“用户-情感-认知-行为”4个维度,对用户健康焦虑与信息搜寻行为进行模型要素解析,构建健康焦虑与信息搜寻行为机理关系模型。[结果/结论]研究结果揭示了健康焦虑与信息搜寻行为的交互机理可分为情绪触发、浏览调节、认知控制、行为反馈4个子机理,进而基于研究提出健康焦虑情境下公众信息素养培育策略。

基于5G网络的图迈^(®)手术机器人远程动物实验研究

目的:探索在不同距离5G网络环境下国产图迈^(®)手术机器人在远程动物手术中的可行性、安全性及稳定性。^(®)方法:将6头实验用标准猪随机分为6组,使用国产图迈手术机器人在5G网络环境下从甘肃省6个地区分别对位于甘肃省人民医院动物手术室的6头实验猪实施远程胆囊切除手术。对实验过程中的网络速率、网络延迟、调试时间、装机时间、手术时间、失血量、不良事件和术中并发症进行记录。结果:本次实验历时15 d完成,累计往返距离超过3000km,最远的手术直线距离约为780km,6台远程动物胆囊切除手术均在5G网络环境下顺利完成。平均网络延迟为(55.16±25.33)ms,平均调试时间为(65.17±13.75)min,平均装机时间为(5.12±1.60)min,平均机器人操控时间为(22.00±5.40)min,平均总手术时间为(44.00±4.23)min,平均失血量为(5.83±7.36)mL,术^(®)中发生弱网不良事件1次,无术中并发症发生。结论:5G网络环境下使用国产图迈手术机器人可以安全、稳定地进行远程动物手术,这为实现远程机器人临床手术奠定了理论基础。

老年下肢骨折术后尿路感染的危险因素分析及列线图预测模型构建

目的分析老年下肢骨折术后尿路感染的独立危险因素,构建列线图预测模型并对其应用价值进行验证。方法回顾性选取2020年1月至2023年12月在河北医科大学第三医院行手术治疗的550例老年下肢骨折患者,根据术后是否发生尿路感染分为感染组(n=60)与无感染组(n=490)。采用Logistic-Lasso回归分析筛选老年下肢骨折术后尿路感染的独立危险因素并构建列线图预测模型,使用受试者操作特征(ROC)曲线、校正曲线、临床决策曲线(DCA)验证该模型的价值。另选取2024年1—6月收治的113例老年下肢骨折手术患者作为外部验证样本进行外部验证。结果Logistic-Lasso回归分析显示,女性、糖尿病、低蛋白血症、手术时间、尿路结石、留置尿管时间是老年下肢骨折术后尿路感染的独立危险因素(P<0.05),据此构建列线图风险预测模型,该模型预测老年下肢骨折术后尿路感染的ROC曲线下面积(AUC)为0.809(95%CI 0.753~0.866),校准度为0.618,C-index为0.791,DCA验证显示其临床效用性较高。通过113例患者对该模型进行外部验证,结果显示AUC为0.769(95%CI 0.593~0.946),提示该模型在外部验证中仍具有较好的预测价值。结论女性、糖尿病、低蛋白血症、手术时间、尿路结石、留置尿管时间是老年下肢骨折术后尿路感染的独立危险因素,据此构建的列线图预测模型具有较好的预测价值,对早期发现老年下肢骨折术后尿路感染的高风险人群并制订针对性的围手术期管理措施具有一定指导意义。

结合图同构和混合阶残差门控图神经网络的会话推荐

基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。