基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

扶金化积丸对环磷酰胺治疗Lewis肺癌荷瘤小鼠的化疗增敏作用及机制

目的探讨扶金化积丸对环磷酰胺治疗Lewis肺癌荷瘤小鼠化疗增敏的作用及机制。方法选取健康C57BL/6小鼠接种Lewis肺癌瘤株造模。小鼠随机分成正常组、荷瘤对照组、扶金化积丸组、环磷酰胺组、扶金化积丸+环磷酰胺组。各组药物干预后,检测荷瘤小鼠瘤重、瘤体体积、计算抑瘤率及器官指数。全自动血液分析仪进行血细胞计数及血红蛋白浓度检测。酶联免疫吸附试验检测血清中肿瘤坏死因子-α、白细胞介素2、γ干扰素的含量。苏木素-伊红染色观察瘤组织病理学改变。免疫组化法检测基质金属蛋白酶9、核因子κB的表达。结果与环磷酰胺组比较,扶金化积丸+环磷酰胺组瘤瘤重、瘤体体积显著减小(P<0.05);脾脏、胸腺指数显著增大(P<0.001);红细胞、白细胞、血小板数目及血红蛋白浓度均显著升高(P<0.01,P<0.001);肿瘤坏死因子-α及白细胞介素2含量均显著升高(P<0.05,P<0.001);瘤组织核固缩较多,有明显坏死及出血现象,出现细胞凋亡;基质金属蛋白酶9、核因子κB表达降低,但差异无统计学意义(P>0.05)。结论扶金化积丸可增强环磷酰胺对Lewis肺癌荷瘤小鼠的抑瘤作用,其机制与增强机体免疫有关。

基于多流语义图卷积网络的人体行为识别

与基于图像的行为识别方法相比,利用人体骨架信息进行识别能有效克服复杂背景、光照变化以及外貌变化等因素影响。但是,目前主流的基于人体骨架的行为识别方法存在参数量过大、运算速度慢等问题。对此,提出一种多流轻量级语义图卷积的行为识别方法。设计多流语义引导的图卷积网络(MS-SGN),将骨架信息分别表达为骨长流、关节流和细粒度流3种数据流形式,再对嵌入语义信息的数据流通过自适应图卷积提取空间特征,并采用不同内核和膨胀率的多尺度时域卷积提取时域特征,最后对各流分类结果进行加权融合。实验结果表明,该方法在NTU60 RGB+D数据集上的识别精度分别为90.0%(X-Sub)和95.83%(X-View),在NTU120 RGB+D数据集上的识别精度分别为83.4%(X-Sub)和84.0%(X-View),优于SGN、Logsin-RNN等主流方法,且网络框架更为轻量化。

沾化凹陷孤北洼陷东三段沉积体系类型及差异分布

沾化凹陷孤北洼陷东营组油气资源十分丰富,但沉积类型及其分布制约了油气勘探方向和精细勘探。文中综合孤北洼陷钻测井、岩心和三维地震资料,详细研究了东营组东三段沉积类型及其时空分布特征。结果表明:1)孤北洼陷东三段(Ed3)发育近岸水下扇、辫状河三角洲、滑塌浊积扇、滨浅湖和半深湖—深湖沉积。2)东三段沉积类型时空分布差异性特征明显。西缘陡坡带发育近源砂砾岩与暗色泥岩组合的近岸水下扇;南侧和东侧缓坡带发育辫状河三角洲;洼陷内发育湖相泥岩,断裂带附近多为滑塌浊积扇。3)沉积相带影响了储层质量。距源区越远,结构成熟度越高,则有利储层越发育;滑塌浊积扇相带储层质量优于辫状河三角洲相带,近岸水下扇相带相对较差。

基于尿液代谢组学的小儿积滞体质代谢特征分析

目的基于超高效液相色谱-四级杆-静电场轨道阱高分辨质谱联用(UPLC-QE-MS)技术的尿液代谢组学方法,寻找与小儿积滞体质相关的潜在生物标志物,探究积滞体质形成的代谢特征。方法依照侯江红教授制定的中医儿童体质分型与判定标准,纳入积滞体质与健康体质志愿者各30例。采集两组志愿者的尿液样品,利用UPLC-QE-MS技术进行尿液样品检测和数据采集,结合无监督的主成分分析法(PCA)和正交信号校正的偏最小二乘判别分析法(OPLS-DA)统计处理数据,以变量投影重要度(VIP)>1,P<0.05为卡值标准筛选积滞体潜在生物标志物,将筛选得到的差异代谢物导入到KEGG数据库,通过富集和拓扑分析,寻找相关性最强的关键途径。结果积滞体质与健康体质OPLS-DA得分图表明两种体质之间存在明显差异。在正、负离子模式下共鉴定出43个与积滞体质相关的潜在生物标志物,其中3个标志物涉及色氨酸代谢、脂肪酸代谢等5条通路。结论积滞体质潜在生物标志物主要参与苯丙氨酸、酪氨酸和色氨酸代谢,脂肪酸代谢,β-丙氨酸代谢,烟酸和烟酰氨代谢,嘧啶代谢等途径,对机体的影响与积滞体质免疫力低下、易感冒、大便干结、易口疮和苔腻等状态相符,为儿童体质分型和判定标准提供客观化依据。

自拟健脾除积方联合信迪利单抗及化疗对晚期非小细胞肺癌患者的影响

目的:探讨自拟健脾除积方联合信迪利单抗及化疗对晚期非小细胞肺癌患者疾病控制率、中医症候积分及不良反应的影响。方法:选取2020年10月—2022年10月在我院就诊的102例晚期非小细胞肺癌患者,随机分为观察组和对照组,每组各51例,对照组在吉西他滨+顺铂化疗的基础上给予信迪利单抗,观察组在对照组基础上联合自拟健脾除积方治疗。比较两组患者临床疗效、治疗前后中医症候积分、肿瘤标志物水平及不良反应。结果:观察组有效率和疾病控制率明显高于对照组(P<0.05);观察组和对照组治疗后中医症候积分均显著低于治疗前;治疗后,观察组中医症候积分显著低于对照组(P<0.05)。两组治疗后血清铁蛋白(SF)、鳞状细胞癌抗原(SCCA)及癌胚抗原(CEA)水平均显著低于同组治疗前,观察组SF、SCCA、CEA水平均显著低于对照组。观察组白细胞计数减少、恶心、呕吐症状总发生率显著低于对照组(P<0.05)。结论:自拟健脾除积方联合信迪利单抗对晚期非小细胞肺癌患者治疗效果较好,可改善患者中医症候,具有较高的安全性。

图卷积神经网络综述

图卷积神经网络是图论与深度学习的交叉,已成为机器学习领域的研究热点。基于此,介绍了图卷积神经网络的形成,梳理了两大类经典的图卷积神经网络:谱方法和空间方法,详细介绍了这两类图卷积神经网络模型,分析了图卷积操作的核心理论基础,介绍了图卷积神经网络在各领域的应用,总结了图卷积神经网络面临的主要挑战,展望了图卷积神经网络的发展趋势,并分析了图卷积神经网络在野外环境下蝴蝶识别任务中的潜在应用。

联合异质图卷积网络和注意力机制的假新闻检测

社交媒体平台的开放性和包容性为人们提供了自由的表达方式,但也引发了新的社会问题,假新闻在社交平台层出不穷,会引起公众恐慌,侵害人们的精神健康,这使得假新闻检测尤为必要.现有的假新闻检测方法大多侧重于从文本内容、用户和传播模式中挖掘有效信息,但是这些方法没有充分利用文本内容的全局语义关系.为了有效融合新闻内容的全局语义信息和新闻传播的全局结构关系,本文提出一种基于元路径的推文-词-用户异质图卷积注意力框架HGCAN,根据元路径将构建的推文-词-用户异质图分解为两个子图,通过图卷积网络提取传播结构特征,利用注意力机制聚合邻居节点的信息并学习子图重要性,从而有效学习节点的特征表示.在两个公开数据集上的实验结果表明,相比于其他方法,本文方法在准确率和F1指标上都取得了较为先进的结果.

阿奇霉素联合小儿消积止咳口服液及特布他林治疗儿童肺炎支原体肺炎疗效及对免疫功能和炎症反应的影响

目的探讨阿奇霉素序贯联合小儿消积止咳口服液、特布他林治疗食积内阻、痰热壅肺型肺炎支原体肺炎患儿的疗效及对机体免疫功能和炎症反应的影响。方法将2021年9月—2022年9月中国人民解放军陆军第八十二集团军医院收治的122例食积内阻、痰热壅肺型肺炎支原体肺炎患儿随机分为2组,对照组61例给予阿奇霉素序贯治疗和特布他林雾化吸入,观察组61例在对照组治疗基础上加服小儿消积止咳口服液,连续治疗14 d。比较2组症状体征消失时间、住院时间、临床疗效及治疗前后中医证候积分(气促喘憋、壮热烦躁、痰黄稠、不思饮食、腹部胀满、喉间痰鸣)和血清免疫功能指标(T淋巴细胞亚群CD4^(+)、CD8^(+)、CD4^(+)/CD8^(+))、炎症因子[血清肿瘤坏死因子-α(TNF-α)、高敏C反应蛋白(hs-CRP)、白细胞介素-6(IL-6)]水平,统计2组不良反应发生情况。结果观察组发热、咳嗽、肺部啰音消失时间及住院时间均明显短于对照组(P均<0.05),治疗14 d后的治疗总有效率明显高于对照组[95.08%(58/61)比80.33%(49/61),P<0.05];治疗14 d后,2组中医证候积分及CD8^(+)、TNF-α、hs-CRP、IL-6水平均明显降低(P均<0.05),CD4^(+)、CD4^(+)/CD8^(+)均明显升高(P均<0.05),上述指标观察组改善情况均明显优于对照组(P均<0.05);2组中少数患儿出现胃肠道反应及喉部刺激感,观察组不良反应发生率稍低于对照组[16.39%(10/61)比21.31%(13/61)],但2组比较差异无统计学意义(P>0.05)。结论阿奇霉素序贯联合小儿消积止咳口服液、特布他林治疗食积内阻、痰热壅肺型儿童肺炎支原体肺炎效果更好,可明显减轻临床症状,提高机体免疫功能,减轻炎症反应,且安全。

基于交替注意力机制和图卷积网络的方面级情感分析模型

方面级情感分析旨在预测给定文本中特定目标的情感极性。针对忽略方面词和上下文之间的句法关系和平均池化带来的注意力差异性变小的问题,提出一种基于交替注意力(AA)机制和图卷积网络(GCN)的方面级情感分析模型(AA-GCN)。首先,利用双向长短期记忆(Bi-LSTM)网络对上下文和方面词进行语义建模;其次,通过基于句法依存树的GCN学习位置信息和依赖关系,再利用AA机制进行多层次交互学习,自适应地调整对目标词的关注度;最后,拼接修正后的方面特征和上下文特征,得到最终的分类依据。相较于基于目标依赖的图注意力网络(TDGAT),所提模型在4个公开数据集上准确率提升了1.13%~2.67%,在5个公开数据集上F1值提升了0.98%~4.89%,验证了利用句法关系和提升关键词关注度的有效性。

压缩感知和图卷积神经网络相结合的宽频振荡扰动源定位方法

新能源并网引发的宽频振荡严重威胁电网安全,实现宽频振荡源的在线定位并及时采取抑制措施以保证系统安全稳定尤为必要。为此,提出一种压缩采样和图卷积神经网络相结合的宽频振荡源定位方法,该方法首先在子站对时序的振荡信号进行稀疏采样,获得其低维观测序列,作为节点的时序信息,然后在主站融合系统的拓扑结构捕捉各节点的邻接关系,综合考虑系统振荡的时空特性,运用图卷积神经网络实现振荡源定位。最后利用宽频振荡样本集进行仿真验证,结果表明所提方法在量测数据含有噪声、传输数据缺失以及传输数据偏差的情况下都有较高的定位准确度。

南非奥特尼夸盆地构造沉积演化与油气成藏

南非奥特尼夸盆地油气勘探程度非常低,2019年与2020年连续的天然气大发现吸引了国内外油气公司广泛关注。基于IHS数据库、新项目评价及文献等资料,综合分析表明:奥特尼夸盆地经历了二叠纪以来的前裂谷、同裂谷、过渡期和裂谷后4个演化阶段;主要沉积了裂谷期陆相碎屑岩及过渡期–裂谷后的海相碎屑岩。盆地主力烃源岩为豪特里维阶和巴雷姆–阿普特阶海相页岩;发育了同裂谷期凡兰吟阶顶部浅海相砂岩和漂移早期阿尔比阶海相深水碎屑岩两套重要的储集层,储盖组合条件优越;共形成了巴雷姆–阿尔比阶砂岩、凡兰吟−豪特里维阶砂岩、上侏罗统−下白垩统砂岩和基底4套成藏组合。油气分布呈“西多东少”格局,目前应以Bredasdorp次盆大陆边缘深水区白垩系透镜状浊积砂岩为勘探重点。

多任务联合学习的图卷积神经网络推荐

基于图神经网络的协同过滤推荐可以更有效地挖掘用户项目之间的交互信息,但其性能依然受到数据稀疏和表征学习质量不高问题的影响,因此提出一种多任务联合学习的图卷积神经网络推荐(multi-task joint learning for graph convolutional neural network recommendations,MTJL-GCN)模型。利用图神经网络在用户-项目交互图上所聚集到的同质结构信息与初始嵌入信息形成结构邻居关系,设计节点邻居关系的对比学习辅助任务来缓解数据稀疏问题;向节点的原始表征添加随机的统一噪声进行表征级数据增强,构建节点表征关系的对比学习辅助任务,并提出直接优化对齐性和均匀性两个属性的学习目标来提高表征学习质量;将图协同过滤推荐任务与对比学习辅助任务和直接优化学习目标进行联合训练,从而提升推荐性能。在Amazon-books和Yelp2018两个公开数据集上进行实验,该模型在Recall@k和NDCG@k两个推荐性能指标上的表现均优于基线模型,证明了MTJL-GCN模型的有效性。

基于偏好感知的去噪图卷积网络社交推荐

协同过滤推荐通常面临用户-项目交互数据稀疏的挑战,社交推荐引入用户社交关系来缓解数据稀疏性问题。多数基于图神经网络(GNN)的社交推荐系统在消息传递过程中无法根据用户偏好聚合高阶邻居信息,造成嵌入表示过平滑和噪声问题。针对上述问题,提出一种基于偏好感知的去噪图卷积网络的社交推荐模型PD-GCN。使用无监督学习将具有相似偏好的用户分配到用户-项目交互子图和社交子图,在子图中进行更高阶的图卷积运算,缓解了现有模型的过平滑问题。从全局和局部的角度出发,通过考虑相同偏好用户节点的特征相似度和邻域节点偏好分布多样性识别并去除噪声节点,增强模型对用户-项目交互和社交关系噪声的鲁棒性。在LastFM、Ciao、Yelp 3个公共数据集上的实验结果表明,PD-GCN模型在召回率和归一化折损累计增益两个指标上相较于其他主流模型表现出更优的性能,验证了PD-GCN模型的有效性。

融入时空自适应图卷积的运动想象信号解析

基于运动想象(motor imagery,MI)脑电信号的脑机接口(brain-computer interface,BCI)技术在脑卒中患者运动功能康复医疗应用中得到广泛关注和研究。然而MI信号具有低信噪比和个体差异性大的特点,导致脑电信号噪声过大从而影响分类性能。因此,如何充分提取MI信号特征以得到更高的单被试分类精度,以及如何训练一个在跨被试上表现优秀的通用模型是MI-BCI系统用于实际应用时急需解决的问题。针对该问题,提出了一种面向不同被试的时空自适应图卷积网络模型,从时空两个维度提取MI特征信号进行分类。模型包括四个模块:空间自适应图卷积模块、时间自适应图卷积模块、特征融合模块和特征分类模块。空间自适应图卷积模块通过通道间的特征相似性动态构造空间图表示,摆脱人为构造的图表示限制。时间自适应图卷积模块将脑电信号的时间序列划为多个时间片段,计算时间段间的相似性,自适应构造脑电信号的时间图表示,消除了噪声影响。最后,进行特征融合并分类。结果表明,在BCIIV2a数据集上使用10-折交叉验证的方法和HGD数据集上分别达到了90.45%和91.64%的平均分类精度,与目前性能较好的方法相比达到了更高的准确率,证明了该模型的有效性;使用迁移学习对不同个体进行实验,平均准确率提高了1.66个百分点,证明了模型的鲁棒性。

基于广度-深度采样和图卷积网络的谣言检测方法

现有谣言检测方法存在早期数据丢失、特征利用不充分问题,为此提出新的检测方法.为了充分挖掘事件的早期传播特征,提出广度采样方法并构建与事件对应的传播序列,利用Transformer挖掘长距离评论间的语义相关性并构建事件的传播序列特征.为了有效挖掘事件的传播结构特征,提出基于路径长度的深度采样方法,构建事件对应的信息传播子图和信息聚合子图,利用图卷积网络在挖掘图结构特征方面的优势,获得与事件对应的传播结构特征.将事件对应的传播序列特征表示与传播结构特征表示进行拼接,得到事件对应的最终特征表示.在公开数据集Weibo2016和CED上开展所提方法的有效性验证实验.结果表明,所提方法普遍优于现有典型方法.与基线方法相比,所提方法的准确率和F1值均有显著提升,所提方法在谣言检测领域的有效性得到验证.

动量余弦相似度梯度优化图卷积神经网络

传统梯度下降算法仅对历史梯度进行指数加权累加,没有利用梯度的局部变化,造成优化过程越过全局最优解,即使收敛到最优解也会在最优解附近震荡,其训练图卷积神经网络会造成收敛速度慢、测试准确度低。利用相邻两次梯度的余弦相似度,动态调整学习率,提出余弦相似度梯度下降(SimGrad)算法。为进一步提升图卷积神经网络训练的收敛速度和测试准确度,减少震荡,结合动量思想提出动量余弦相似度梯度下降(NSimGrad)算法。通过收敛性分析,证明SimGrad算法、NSimGrad算法都具有O(√T)的遗憾界。在构建的三个非凸函数进行测试,并结合图卷积神经网络在四个数据集上进行实验,结果表明SimGrad算法保证了图卷积神经网络的收敛性,NSimGrad算法进一步提高图卷积神经网络训练的收敛速度和测试准确度,SimGrad、NSimGrad算法相较于Adam、Nadam具有更好的全局收敛性和优化能力。

基于双流自适应图卷积网络的管制员睡岗行为识别

为识别空中交通管制员的睡岗行为,减少管制差错,保障航空器飞行安全,提出了一种基于双流自适应图卷积网络的管制员睡岗行为识别方法。该方法设计双流网络分别处理管制员骨架的一阶信息和二阶信息,实现对骨架数据的充分提取;通过自适应学习的骨骼拓扑连接矩阵,挖掘管制员不同关节之间的功能连接关系;同时在卷积层引入时空通道注意力机制,增强管制员睡岗行为识别模型在时间、空间、通道3个方向提取重要信息的能力。仿真结果表明,该方法能有效识别管制员3种睡岗行为,相较于传统的时空图卷积网络,识别准确率提高了3.08百分点,达到95.03%,可以提高民航运行安全管理水平。

甲烷裂解双分散孔催化剂颗粒积碳行为模拟

【目的】为了更好地理解催化剂颗粒的积碳行为,分析积碳效应下催化剂颗粒界面反应传质特性,实现对催化剂颗粒的优化设计与调控。【方法】采用颗粒解析模型,考虑积碳引起的孔隙结构动态演变以及反应性能的衰减,分别探讨单分散孔和双分散孔颗粒积碳形成及所引起的孔隙结构演变规律。【结果】积碳失活从多孔颗粒表层向内部核心移动,扩散主导机制转向反应主导机制;相较于单分散孔颗粒,双分散孔颗粒具备更强的抗积碳性能;固定床反应器中催化剂颗粒分布影响积碳行为,壁面处积碳更加严重,更容易导致失活。【结论】选择双分散孔催化剂颗粒对于积碳行为具有改善作用,同时应选择合适的长径比反应器,削弱壁面效应对积碳行为的影响。

一种基于图卷积网络的分类地物简化方法

随着城市实景三维建设的全面推进,其高细节、大规模和复杂性等特点,导致了三维模型数据存储管理困难、传输速度慢、加载应用不流畅等问题。本文提出了一种基于图卷积网络对城市三维模型语义进行分类,针对各地物类别采取个性化的地物简化方法,并进行了建筑物、草地场景的三维模型轻量化试验,试验结果表明,使用本文方法,在保证模型可视化效果的前提下,可减少90%的数据量。