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。

图计算体系结构和系统软件关键技术综述

图计算作为分析事物之间关联关系的重要工具,近年来已成为各国政府及公司争夺的关键技术.学术界和工业界在图计算体系结构和系统软件关键技术方面取得了一定进展.然而,现实场景图计算大多具有动态变化、应用需求复杂多样等特征.这给图计算在基础理论、体系架构和系统软件关键技术方面提出了新的需求,同时也带来了新的挑战.为应对这些挑战,科研人员提出了一系列图计算系统或图计算加速器,通过高性能计算、并行计算等技术来优化图计算过程.综述国内外图计算体系结构和系统软件关键技术的研究发展现状,对国内外研究的最新进展进行归纳、比较和分析,并结合国家发展战略和重大应用需求,选取与我国国计民生密切相关的领域,从典型应用分析总结图计算相关技术的行业进展.最后,就未来的技术挑战和研究方向进行展望.

新医科背景下应用型医学院校基础医学课程改革探索

在新医科背景下,应用型医学院校基础医学课程势必面临变革。文章在分析现阶段基础医学教学改革存在主要问题的基础上,通过优化基础医学课程教学体系、成立虚拟教研室、建立课程思政素材库、加强线上线下混合式课程建设、构建整合实验教学体系、改革考核评价体系等举措,推进了基础医学教育创新建设,并提出新医科背景下基础医学课程建设持续改进的若干思路和对策,为应用型医学人才培养提供有益的探索。

支撑新型配电网数字化规划的图形⁃模型⁃数据融合关键技术

配电网规划领域期盼实现智能规划,其愿景在于实现无人或少人干预的全自动规划。在数字化转型的背景下,新型配电网规划将面临图形多样化、场景碎片化、数据规模化三大挑战。文中从图形-模型-数据融合的角度提出三大关键技术:基于电气图纸识别和拓扑智能分析的图形-模型融合技术、基于知识驱动的负荷/新能源推演分析和智能决策的模型-数据融合技术、基于多模态数据融合和多时空数据联动的图形-数据融合技术,尝试打破理论研究与数字化工程的壁垒。最后,对未来新型配电网数字化规划的发展进行思考和展望,为实现“以机为主,人机协同”的大闭环模式提供借鉴。

知识图谱技术在预测与健康管理中的应用现状与研究展望

随着预测与健康管理(PHM)技术的不断发展以及设备智能化、信息化程度的不断提高,预测与健康管理的领域知识与日俱增。知识图谱技术因其强大的知识组织、管理、表示能力以及支持的数据/知识驱动相关方法,受到领域内学者广泛关注。面向预测与健康管理领域,对知识图谱的概念、关键技术、领域应用以及挑战与展望进行了综述。首先,介绍了领域知识图谱的定义和组成要素;其次,讨论了领域知识图谱的构建方法,简要归纳了领域内常用的构建方式和技术;然后,结合领域内知识特点,详细介绍了领域内知识图谱的应用情况;最后,分析了与领域融合的知识图谱研究中存在的挑战以及未来的发展方向。综述旨在帮助研究者加深对知识图谱及其在预测与健康管理领域应用的了解,以促进知识图谱在该领域应用中的进一步发展和创新。

基于RoBERTa和图增强Transformer的序列推荐方法

自推荐系统出现以来,有限的数据信息就一直制约着推荐算法的进一步发展。为降低数据稀疏性的影响,增强非评分数据的利用率,基于神经网络的文本推荐模型相继被提出,但主流的卷积或循环神经网络在文本语义理解和长距离关系捕捉方面存在明显劣势。为了更好地挖掘用户与商品之间的深层潜在特征,进一步提高推荐质量,提出一种基于Ro BERTa和图增强Transformer的序列推荐(RGT)模型。引入评论文本数据,首先利用预训练的Ro BERTa模型捕获评论文本中的字词语义特征,初步建模用户的个性化兴趣,然后根据用户与商品的历史交互信息,构建具有时序特性的商品关联图注意力机制网络模型,通过图增强Transformer的方法将图模型学习到的各个商品的特征表示以序列的形式输入Transformer编码层,最后将得到的输出向量与之前捕获的语义表征以及计算得到的商品关联图的全图表征输入全连接层,以捕获用户全局的兴趣偏好,实现用户对商品的预测评分。在3组真实亚马逊公开数据集上的实验结果表明,与Deep FM、Conv MF等经典文本推荐模型相比,RGT模型在均方根误差(RMSE)和平均绝对误差(MAE)2种指标上有显著提升,相较于最优对比模型最高分别提升4.7%和5.3%。

基于异质图嵌入和会话交互的课程推荐模型

大规模在线教育平台所形成的网络具有数据量大、实体类型丰富、关系复杂等特性。一方面,在线教育正在被大力普及,而另一方面,在线课程却面临低使用率、低完成度及高辍学率的问题。个性化的课程推荐有利于提高学习者的学习积极性,其中,课程能否顺利合格完成是学习者在选课时所考虑的重要因素。鉴于此,提出一种基于学习完成度预测的个性化课程推荐模型。对学生的课程学习会话图进行建模,根据学生的课程学习顺序以及课程的完成情况,生成学生的学习状态表征;同时考虑在线学习环境因素对课程的影响,构建在线课程学习异质图,采用图神经网络生成异质图中课程节点的嵌入;然后通过交互机制融合学习状态表征和课程嵌入,预测学生下一门将学课程的完成度,根据完成度排序从而实现课程推荐。在CNPC、HMXPC和Scho1at3个大规模在线课程学习数据集上的实验结果表明,该模型能有效提升推荐的准确度,在归一化折损累计增益(NDCG)和平均倒数排名(MRR)2个指标上相较于基线模型最优结果均有显著提升,评估指标K值取5时,其NDCG@5指标在3个数据集上分别提升21.08%、17.73%和5.41%,MRR@5指标在3个数据集上分别提升25.66%、31.59%和26.96%。

可持续设计研究趋势的可视化分析

目的 对可持续设计的研究现状进行可视化分析,从文献产出分布、研究热点等角度掌握研究进展,形成研究趋势结论。方法 主要采用文献计量学方法,从国内CNKI数据库和国外Web of Science核心合集数据采集数据,通过有条件筛选得出有效结果,使用VOSviewer和Citespace可视化软件进行分析,分析内容是可持续设计相关的文献发文量、高被引文献、热点文献、关键词、相关学科领域分布等。结果 可持续设计在国内外的发文量总体呈上升趋势;相关研究的合作方式主要体现为地理区域内的密切合作;学科交叉和学科合作现象不仅体现在强相关的环境学、工程技术学、设计学等领域,也体现在管理学、化工、材料、经济等领域;国内外关键词的聚类总结可划分为可持续性理论和方法、可持续设计的对象和实践问题、可持续设计的效能分析、可持续设计的策略和管理以及实现可持续的相关材料技术方法等五类聚合。结论 当前可持续设计研究产出了众多方法、理论和实践成果,与多种学科的交流构成了可持续设计的主要框架;今后可持续设计研究会从更加广泛、深入的层面开展相关研究与实践工作,设计范围和设计所要思考的内容将不断扩大,从更高更系统的角度实现可持续设计,这需要多种行业的投入和大众的广泛参与。

基于知识图谱多跳推理的中文矿物知识问答方法与系统

已有相关矿物数据库用于存储和查询相关矿物知识,常用的搜索引擎也可以对矿物知识进行查询,但无法回答用自然语言进行提问的矿物问题,查询返回的答案需要进一步筛选。亦有基于知识图谱进行矿物知识问答的相关研究,但只能回答涉及知识图谱中一个三元组的简单问题,无法回答涉及多个三元组的多跳复杂问题。为此,本文提出基于知识图谱多跳推理的矿物复杂知识问答方法,采用ComplEx模型将矿物实体、关系和问句表示为复数向量,以更好地获取相互之间的语义及推理关系。输入矿物问句后,通过Bert-LSTM-CRF获取其中心词,采用基于编辑距离及分词的方法获得中心词的候选实体集合,然后采用全连接网络确定最相关的实体作为推理起点,与矿物问句拼接后通过全连接网络获得当前跳的最相关关系。根据当前跳的起始实体及最相关关系,在矿物知识图谱中获得另一实体作为下一跳的推理起点,并将下一跳的问句更新为原问句,与当前跳最相关关系拼接,以将当前跳的推理信息带入到下一跳推理中,直到获得的最相关推理关系为预定义的结束标识符,推理结束,返回最后一跳的实体为答案,并给出推理路径。采用Python语言,在Tensorflow框架下实现了本文提出的矿物复杂知识问答并与相关模型进行对比,证明了本文方法的有效性。采用前后端分离架构,使用RESTful API、React、Ajax、echarts和Flask等框架和技术,开发了基于知识图谱多跳推理的矿物复杂知识问答系统,为矿物知识获取及相关地质研究提供了平台和工具。

注意力感知的边−节点交换图神经网络模型

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间。具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播。在3个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升。

智能电网中基于二分图匹配的网络切片资源分配算法

为了解决智能电网中多类业务的服务质量需求难以同时得到满足的问题并兼顾电力终端和网络侧经济效用,提出了一种基于二分图匹配的网络切片资源分配算法。针对智能电网场景中的控制类和采集类业务,为电力终端分别制定相应的投标信息,并据此计算支付价格和效用矩阵;将网络切片与电力终端之间的资源分配建模为二分图匹配问题,根据不同业务的时延、传输速率或能耗需求,向终端分配不同的切片资源以最大化系统效用。仿真结果表明,相较于已有的双向拍卖算法和贪心算法,所提算法能够提高10%~20%的系统效用。

多尺度融合与动态自适应图的公交客流预测模型

公交客流预测是公共交通规划和管理中的重要问题。虽然时空图卷积在地铁客流预测任务中获得了很好的预测效果,但是面对公交更复杂的线路、大规模的节点数据,现有的基于图卷积的空间建模方法将带来巨大的空间内存消耗。同时,公交客流量短时间范围内更可能受到瞬时交通状况的影响。为了解决这些挑战,提出了一种多尺度融合和动态自适应图的公交客流预测模型(MFDAG)。该模型融合客流、时刻和周信息以增加数据的特征维度,用动态自适应图的方法来学习不同站点之间的关系。进一步提出了一种多尺度融合传播的方法来表示复杂的空间依赖关系,同时设计了一种多尺度卷积传播的方法来学习不同尺度的时间依赖关系。在两个真实的客流数据集上进行了实验,并与其他交通预测方法进行了比较。实验结果表明,所提出的多尺度融合和动态自适应图的公交客流预测方法具有更高的预测准确度。

视觉对人体姿势控制影响的脑功能网络连接机制

目的研究视觉对人体姿势控制影响及其脑功能网络连接机制。方法以15名健康青年为研究对象,要求受试者分别进行30 s睁眼、闭眼的双腿站立平衡,采集平衡过程中身体压力中心(center of pressure,COP)和脑电。对COP进行样本熵(SampleEn)计算;对脑电θ、α和β频段,计算相位滞后指数(phase lag index,PLI)构建大脑功能网络,并基于图论计算集聚系数(C)、特征路径长度(L)及小世界网络属性(σ)。结果人体在双腿站立平衡过程中,闭眼COPY样本熵显著高于睁眼(P<0.05)。闭眼α频段PLI平均值显著高于睁眼(P<0.05);闭眼α频段C、σ显著高于睁眼,L显著低于睁眼(P<0.05)。闭眼时α频段额区-中央区-顶区之间的网络连接以及中央区和顶区内连接强度显著高于睁眼(P<0.05)。闭眼时α频段PLI平均值以及C值与COPY样本熵中度呈中度负相关(P<0.05)。睁眼时左前额区、左顶区、左枕区α频段PLI平均值与COPY样本熵呈中度负相关;闭眼时左中央区、右枕区α频段PLI平均值则与COPY样本熵呈中度负相关。结论人体在站立平衡时,当没有视觉信息输入时,身体平衡稳定性下降,同时伴随着脑电α频段的脑网络连接增强以及大脑处理信息的效率需提升。人体在不同的视觉条件下进行姿势控制时,大脑会采用不同的神经策略。

基于本体指导的矿产预测知识图谱构建研究

在基于数据驱动范式的科学研究中,构建知识图谱已被证明是获取和表征知识的有效手段之一。然而,目前已构建的矿产资源预测领域知识图谱仍然存在诸多挑战和局限性,有待进一步解决和完善。首先,针对矿产预测的本体构建问题研究相对较少,尤其是该领域现有知识图谱的本体层普遍缺乏时空语义,限制了对于矿产资源时空特征的有效表示与分析。其次,现有图谱构建方法主要为面向数据层面的文本抽取,而缺乏对于复杂逻辑关系的本体层建设,以及本体层与数据层之间的有效关联。以上问题会导致构建的地学知识图谱缺乏深层次的语义信息,难以满足矿产资源预测对表达复杂地学概念和关系的需求。针对上述问题,本研究以综合信息矿产预测理论为指导,旨在构建可应用于矿产预测任务的复杂语义知识图谱。具体而言,首先通过对矿产预测的理论和方法进行解析构建初始化领域本体,然后选择成熟的地质时间本体和地理空间本体对初始本体进行本体融合和扩展,通过嵌入时空语义有效表达地矿产资源的时空特征。此外,重点关注了本体层与数据层之间的关联建设,通过建立丰富的语义关系,实现知识图谱中各个节点之间的有效连接与信息共享。实验结果表明,采用本文所提出的方法构建的图谱在知识丰度和置信度等指标上均优于其他现有方法。这一研究为矿产预测领域提供了更为深入和全面的数据资源建设的方法支撑,有助于推动该领域的进一步发展和应用。

基于样本嵌入的挖矿恶意软件检测方法

加密货币挖矿恶意软件的高盈利性和匿名性,对计算机用户造成了巨大威胁和损失。为了对抗挖矿恶意软件带来的威胁,基于软件静态特征的机器学习检测器通常选取单一类型的静态特征,或者通过集成学习来融合不同种类静态特征的检测结果,忽略了不同种类静态特征之间的内在联系,其检测率有待提升。文章从挖矿恶意软件的内在层级联系出发,自下而上提取样本的基本块、控制流程图和函数调用图作为静态特征,训练三层模型以将这些特征分别嵌入向量化,并逐渐汇集从底层到高层的特征,最终输入分类器实现对挖矿恶意软件的检测。为了模拟真实环境中的检测情形,先在一个小的实验数据集上训练模型,再在另一个更大的数据集上测试模型的性能。实验结果表明,三层嵌入模型在挖矿恶意软件检测上的性能领先于近年提出的机器学习模型,在召回率和准确率上相比其他模型分别提高了7%和3%以上。

中外脊柱侧弯矫形器的文献计量学与可视化分析

背景:脊柱侧弯主要指脊柱冠状位、矢状位和轴位上的序列异常,且Cobb角≥10°。脊柱侧弯患者会出现双肩不等高、背部不对称等症状,严重者可能会影响患者心肺功能,从而影响患者的日常生活。保守治疗可以控制其侧凸进展,避免后期手术。脊柱侧弯矫形器是目前保守治疗中较为有效的治疗措施。目的:对脊柱侧弯矫形器的国内外研究现状、热点及趋势进行总结分析,为相关研究提供参考。方法:以文献计量学与可视化分析为手段,用中外文献对比的方法,对近10年脊柱侧弯矫形器期刊文献进行分析。通过文献计量学得出脊柱侧弯矫形器研究的现状,使用Citespace软件对关键词进行重点分析,得出目前脊柱侧弯矫形器研究的热点及未来趋势。结果与结论:①目前脊柱侧弯矫形器文献数量仍处于波动上升趋势。中国和美国是主要研究国家,两者文献占比超过40%,但中国学者的外文文献平均引用率较低。②国内研究的基础领域主要为外科学与儿科学,而在国外主要研究领域是矫形学与临床神经学。国内中医学也有一定数量的文献,说明国内也从事中西医结合的方法治疗脊柱侧弯。国家自然科学基金在中外文献中的占比都是最高的,体现出该基金对脊柱侧弯矫形器研究的重视。③中外文献发文量最高的作者为邱勇和Negrini Stefano,发文最多的机构是南京大学医学院附属鼓楼医院脊柱外科和UDICE-French Research University。国内外作者及机构有一定交流,但不密切,需要相关机构和学者进行进一步探讨研究。④从研究热点及未来趋势来看,主要治疗类型为青少年特发性脊柱侧弯,脊柱侧弯矫形器制作方式为3D打印,主要治疗指标为侧凸进展,治疗最终目的为提升患者的生活质量。

学以致用的项目驱动式教学研究——以财务管理专业Python语言程序设计课程为例

Python语言程序设计课程是高校广泛开设的公共通识课程。该文以财务管理专业学生为施教对象,分析该课程教学面临的困难,探讨项目驱动式教学方法。通过梳理教学内容和知识点,构建知识图谱,结合专业背景设计应用项目,把知识点的教学贯穿于应用项目的开发中,同步递进,把理论与实践有机融合,传授Python语言程序设计基础知识的同时,培养学生解决问题的能力,达到学以致用的目的。

近十年我国高校虚拟仿真实验教学研究发展述评

自从2013年教育部开展国家级虚拟仿真实验教学中心建设工作以来,近十年我国高校在虚拟仿真实验领域产生了大量的研究新进展与应用新成效。采用CiteSpace软件分析CNKI数据库中2014~2023年的高校虚拟仿真实验或虚拟现实实验文献集合,挖掘了该领域研究的核心单位、作者与发文期刊;分析了高被引文献的特征。同时,基于关键词共现关系聚类,阐释了虚拟仿真实验研究的主要类别、发展历程和前沿领域,进而探讨了虚拟仿真实验教学的技术层次、覆盖学科、开发软硬件和发展趋势。研究得出,标准化、网络化共享平台和混合现实技术,是推动虚拟仿真实验新发展的重要技术途径。

双边投资协定网络的演化机制——基于多维邻近性视角

利用社会网络分析方法考察了双边投资协定(BITs)网络的历史演化特征与驱动机制。研究发现,BITs网络大致经历了初步形成、迅猛发展和结构调整三个阶段,呈现出一个较完整的S型增长,网络核心—半核心—边缘结构实现了由“金字塔”向“橄榄球”的转变。以多维邻近性为视角,运用时间指数随机图模型对BITs网络形成的影响因素进行分析,结果显示,多维邻近性是驱动BITs网络形成的重要力量,经济和制度邻近性对BITs关系的形成有负向影响,贸易水平、地理和社会邻近性对BITs关系的形成有正向影响。然而,2008年金融危机改变了BITs网络的结构特征,金融危机后BITs网络呈现分散化、多边化发展趋势,某些邻近性变量影响不再显著,社会环境类因素成为影响BITs网络的关键因素。

基于CiteSpace的智能纺织服装产品研究进展

为揭示智能纺织服装的研究现状、热点和趋势,以CNKI数据库和WOS数据库中2012—2022年的相关文献为研究对象,采用CiteSpace可视化分析软件绘制知识图谱,分析智能纺织服装产品在国家、机构、作者方面的分布现状及合作情况,对研究热点和前沿趋势进行梳理。结果表明,2012—2022年,CNKI数据库发文量稳步上升,WOS数据库发文量快速增长且中国学者发文量较多;CNKI数据库研究合作强度较低且以东华大学和江南大学为主体;WOS数据库合作关系密切,研究集中度和合作强度大;CNKI数据库研究方向更注重应用和设计模式,WOS数据库则更注重电子元件制造和智能纤维与面料的开发;健康检测、变色肌理、仿生设计、生物材料、可穿戴应变等是目前智能纺织服装领域的前沿热点,电子元件制造、智能纤维及面料智能化研究是未来智能纺织服装领域研究的热点及趋势。