一种搜索与交互相结合的联锁表自动生成算法

讨论了一种搜索与交互相结合的联锁表自动生成算法，即用改进的图搜索策略搜索铁路车站站场拓扑图，自动生成车站信号联锁表中进路的类型、方向、进路按钮、道岔、轨道区段和信号机等。在搜索过程中，对具体站场的特殊信息通过人机交互方式获取。最后将结果数据存入数据库。

基于矢量图件的数图交互技术在海上应急搜救中的应用研究

介绍我国海上应急搜救工作中电子海图的应用现状,并通过分析典型的电子海图应用系统,对基于矢量图件的数图交互技术进行应用研究。讨论电子海图的三维可视化技术,重新探索在三维模式下港口、泊位及航标等通航要素的显示应用。

基于图嵌入和布谷鸟搜索的二步蛋白质复合物预测方法

本文构造了一种基于图嵌入技术和布谷鸟搜索的二步蛋白质复合物预测方法(TSSComplex),该算法可在蛋白质交互(PPI)网络上探测蛋白质复合物。采用图嵌入技术,更新边权的计算方式,使得边权同时兼顾了网络的拓扑结构和空间结构。将布谷鸟算法和传统的复合物搜索算法NEOComplex相结合,构成了TSSComplex算法,使用TSSComplex算法既能有效控制复合物中包含的蛋白质数量,又不会遗漏一些小型复合物。将该算法用于最新的人类PPI网络进行实验分析,获得了22.78%的精度和18.62%的召回率(使用传统的NEOComplex算法,其精度和召回率从47%降到了0%)。同时,又定义了最优重合率,用来衡量探测到的复合物能否尽可能地包含已知复合物。实验发现,在参考复合物集合中,有55.43%的复合物能够完全包含在某个通过预测获得的复合物中。另一方面,在参考复合物集合中,有94.78%的复合物,其最优重合率超过了50%。研究结果显示,在蛋白质交互信息大量增加的情况下,TSSComplex算法依然具有一定的精度,且能够为进一步精确探测复合物缩小搜索范围。

知识驱动的交互式图搜索

现有的交互式图搜索方法主要局限于优化单一数据的标注成本。为解决这一问题,针对现实场景中更常出现的批量数据标注任务,提出一种基于知识驱动建模先验概率信息的方法。利用该方法对批量数据的实体间知识进行提取,并用于指导机器算法,可以在整体上降低交互式图搜索的成本。在真实数据集上的实验结果表明,与现有方法相比,所提出的算法具有交互效率方面的优势。

基于交互和图注意力网络的代码搜索方法

在代码搜索任务中,已有的基于深度学习的算法,一方面不能有效提取代码特征和查询特征之间的细粒度交互关系,另一方面未考虑特征之间潜在的结构化特征,无法实现更精确的匹配。本文提出了一种基于交互和图注意力网络的代码搜索模型IGANCS(Interaction and Graph Attention Network based model for Code Search)。该模型通过引入基于相似度矩阵的交互机制,学习代码特征和查询特征的细粒度交互关系,实现代码与查询之间的对齐;引入图注意力机制,利用自注意力层学习代码和查询中隐藏的结构化特征,更深入地挖掘代码和查询的结构化语义;利用最大池化机制分别聚合代码特征和查询特征,提取最重要的特征信息。本文在公开的Java数据集和Python数据集上对IGANCS进行了评估。实验结果表明,IGANCS在Mean Reciprocal Rank(MRR)和SuccessRate@1/5/10指标上优于已有的基线模型。