基于多视图对比学习的动态图链接预测方法

链接预测旨在推断网络中缺失的边或预测未来可能出现的边.先前的链接预测研究主要集中在处理静态网络上,其目标是预测已知网络中缺失的边,然而,现实世界中许多复杂网络通常是动态变化的,使得动态网络中的链接预测任务往往比静态网络中更为复杂和困难.近年来,基于动态图表示学习的链接预测方法已经展现较好的结果,这类方法利用动态图表示学习方法学习节点的嵌入表示,以捕捉网络的结构和演化信息,从而在动态网络中实现有效的链接预测.现有方法主要采用循环神经网络或自注意力机制作为神经网络架构的组件,通过时间序列网络学习动态网络的演化信息,然而,动态网络的多样性和演化模式的可变性对基于复杂时序网络的方法提出挑战.这些方法可能很难适应不同动态网络中不断发展的演化模式,同时,在图表示学习领域,图对比学习因为其强大的自监督学习能力受到广泛关注,但是现有方法大多针对静态图,对于动态图的研究较少.为了解决上述问题,提出一种动态网络多视图对比学习的链接预测方法,不依赖额外的时序网络参数,实现动态网络的表示学习和链接预测.该方法将动态网络快照视为网络的多个视图,摆脱对比学习对数据增强的依赖.通过构建包含网络结构、节点演化以及拓扑演化三个视图的对比学习目标函数,挖掘快照内网络结构、快照间节点和网络高阶结构的演化模式学习节点表示,实现链接预测任务.最后,在多个真实数据集上进行了多类动态链接预测实验,实验结果显著优于所有基线方法,验证了所提方法的有效性.

科技成果转化的影响因素及对策研究--以长三角区域地方高校为例

科技成果转化是实现科技创新与经济发展深度融合的关键环节,科技成果转化的效率对推动区域经济发展和社会进步具有重要意义。文章通过对浙江省、江苏省、安徽省和上海市长三角区域“三省一市”地方高校的科技成果转化现状进行分析和比较,归纳影响地方高校科技成果转化的内在因素,探索提升地方高校科技成果转化效率的有效路径,为助力地方高校的科技成果转化和区域经济转型升级提供对策和建议。

多平台辅助的留学生程序设计基础课程的在线教学探索

针对留学生在线教学中的实际问题和程序设计课程的个性化问题,结合程序设计基础课的特点,分析各平台的优势资源以及如何提高留学生在线学习效果,提出多平台辅助的在线教学模式,阐述如何在实践过程中针对不同学习时间的留学生采用不同的策略开展教学,最后根据学生满意度调研分析说明教学效果以及须改进的地方。