期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到284篇文章
< 1 2 … 15 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合液态神经网络与多层级图卷积的关系抽取方法
1
作者 李子亮 李兴春 《计算机应用研究》 北大核心 2026年第1期69-75,共7页
针对自然语言处理中关系抽取任务在建模长距离依赖与复杂语义理解方面的不足,提出了一种融合液态神经网络与多层级图卷积网络的关系抽取模型BLGAM。该模型首先利用BERT对输入句子进行上下文语义编码,获得初始文本表示;随后通过基于闭式... 针对自然语言处理中关系抽取任务在建模长距离依赖与复杂语义理解方面的不足,提出了一种融合液态神经网络与多层级图卷积网络的关系抽取模型BLGAM。该模型首先利用BERT对输入句子进行上下文语义编码,获得初始文本表示;随后通过基于闭式连续时间解的液态神经网络捕捉动态时序特征,建模长距离依赖信息;同时结合依存句法和实体结构构建多层级图卷积网络,提取局部与全局结构化语义特征;最后采用注意力门控机制对时序特征与结构特征进行加权融合,并通过多层感知机提升实体对关系识别的准确性与鲁棒性。在NYT和WebNLG两个公开数据集上的实验结果表明,该模型的F 1值分别达到92.6%和92.1%,均优于现有主流基线,验证了液态神经网络在长距离依赖建模与动态信息捕捉方面的显著优势,以及多层级图卷积网络在挖掘实体间隐含结构联系上的补充作用。该方法为复杂语义场景下的关系抽取提供了高效解决方案。 展开更多
关键词 关系抽取 液态神经网络 图卷积网络 预训练模型 注意力门控 多层感知机
在线阅读 下载PDF
融合全局和属性信息的双图神经网络会话推荐 被引量：1
2
作者 杨兴耀 齐正 +3 位作者 张祖莲 于炯 陈嘉颖 王东晓 《计算机工程与设计》 北大核心 2025年第3期770-778,共9页
为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用... 为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用一个门控机制捕获显式信息,在属性图中将一个自注意力机制嵌入到图注意力网络中学习项目隐式信息。利用池化操作将两种信息融合,根据最终嵌入计算预测评分。实验结果表明,模型在3个公开数据集Diginetica、Tmall和30Music上的精确度和平均倒数排名优于新近基线模型,验证了模型的有效性。 展开更多
关键词 推荐系统 会话推荐 图神经网络 注意力机制 门控机制 图注意力网络 自注意力机制
在线阅读 下载PDF
多通道句法门控图神经网络用于句子级情感分析 被引量：1
3
作者 张吴波 邹旺 +2 位作者 熊黎 戴顺鄂 吴文欢 《计算机工程与应用》 北大核心 2025年第8期135-144,共10页
情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充... 情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充分结合文本的单词特征、依存特征和词性特征。针对以上问题,提出一种多通道句法门控图神经网络的句子级情感分析方法(MSGNN)。该模型以句子的依存句法关系图为骨架,词性特征、单词特征和依存特征作为节点特征信息;利用三通道的门控图神经网络分别学习三种特征;采用图卷积神经网络聚合节点的特征信息。在SST-1、SST-2、MR三种基准数据集上的实验结果表明该模型相比基线模型的性能有所提升。 展开更多
关键词 情感分析 句子级图神经网络 依存特征 门控图神经网络
在线阅读 下载PDF
结合图同构和混合阶残差门控图神经网络的会话推荐 被引量：1
4
作者 王永贵 于琦 《计算机科学与探索》 北大核心 2025年第2期502-512,共11页
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... 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。 展开更多
关键词 会话推荐 图同构网络 混合阶残差门控图神经网络 对比学习
在线阅读 下载PDF
多域时空层次图神经网络的空气质量预测 被引量：8
5
作者 马汉达 吴亚东 《计算机应用》 北大核心 2025年第2期444-452,共9页
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。 展开更多
关键词 空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图神经网络
在线阅读 下载PDF
融合外部语义知识的多标签分类方法
6
作者 杨进才 班启旭 +1 位作者 杨旭生 沈显君 《计算机应用》 北大核心 2025年第12期3757-3763,共7页
文本分类作为自然语言处理(NLP)领域的重要任务,它的多标签分类因标签空间大而成为难点。针对该问题,以儿童读物中的价值观标识为实例,提出一种融合外部语义知识的多标签分类方法HSGIN(Heterogeneous Semantic Gated Interaction Netwo... 文本分类作为自然语言处理(NLP)领域的重要任务,它的多标签分类因标签空间大而成为难点。针对该问题,以儿童读物中的价值观标识为实例,提出一种融合外部语义知识的多标签分类方法HSGIN(Heterogeneous Semantic Gated Interaction Network)。首先,利用SBERT(Sentence embeddings from Siamese BERT(Bidirectional Encoder Representations from Transformers))和双向长短期记忆(Bi-LSTM)网络提取文本特征;其次,通过异质图转换架构(HGT)联合建模知识图谱(KG)中的实体和关系,并利用先验知识和语义关联提取标签特征;最后,将文本特征和标签特征进行注意力融合以得到不同的标签特征表示,且引入门控图神经网络(GGNN)捕捉标签间的语义依赖和交互模式并进行预测。实验结果表明,相较于目前性能先进的对比方法BERT,所提方法的精确率、召回率和F1分数分别提升了2.66、0.47和1.16个百分点。以上实验结果验证了所提方法的有效性,同时,对儿童读物中价值观标识的精准分析有助于为儿童选择健康的读物。 展开更多
关键词 多标签文本分类 知识图谱 异质图转换架构 门控图神经网络 标签相关性
在线阅读 下载PDF
基于时间知识图谱嵌入的电力恐怖主义事件预测
7
作者 陈宏山 周鹏 +3 位作者 高红亮 杨政权 石侃 丁博 《哈尔滨理工大学学报》 北大核心 2025年第4期48-57,共10页
电力恐怖主义事件预测对保障人民生活质量和社会稳定至关重要。现有方法利用全球恐怖主义数据库(global terrorism database,GTD)构建两层结构的静态知识图谱预测电力恐怖主义事件,GTD仅包含与恐怖主义事件直接相关的数据,缺乏相应背景... 电力恐怖主义事件预测对保障人民生活质量和社会稳定至关重要。现有方法利用全球恐怖主义数据库(global terrorism database,GTD)构建两层结构的静态知识图谱预测电力恐怖主义事件,GTD仅包含与恐怖主义事件直接相关的数据,缺乏相应背景信息,同时,两层结构的静态知识图谱无法以事件为中心,难以提取事件间的时序和空间关系。针对以上问题,提出了一种基于时间知识图谱嵌入的电力恐怖主义事件预测方法,该方法有效挖掘GTD和维基百科中的数据,构建模式、事件、数据三层结构的时间知识图谱;同时,使用基于注意力的历史事件嵌入模块对历史事件进行编码,并采用解码器对电力恐怖主义事件的多个方面进行预测。该方法可以有效地获取事件间的相关性以及事件和属性之间的拓扑关系,可对恐怖主义事件相关的多个方面作出准确预测。 展开更多
关键词 恐怖主义 事件预测 时间知识图谱 门控循环单元 注意力机制
在线阅读 下载PDF
基于多层次图对比学习的序列推荐模型
8
作者 余肖生 王智鑫 《计算机应用》 北大核心 2025年第1期106-114,共9页
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... 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。 展开更多
关键词 推荐系统 序列推荐 对比学习 双向门控图神经网络
在线阅读 下载PDF
特殊路网拓扑解构下的时空异质化交通流预测 被引量：1
9
作者 侯越 张鑫 +2 位作者 袭著涛 王甜甜 马宝君 《铁道科学与工程学报》 北大核心 2025年第7期2932-2945,共14页
在城市路网中,整体一般路网交通流通常具有早、中、晚的时间异质性和路网关联差异的空间异质性,但局部特殊路网大多呈现Y形或环形拓扑结构,其交通流打破了整体路网的常规时空异质性模式,表现为非典型的时间规律和空间关联分布。然而,现... 在城市路网中,整体一般路网交通流通常具有早、中、晚的时间异质性和路网关联差异的空间异质性,但局部特殊路网大多呈现Y形或环形拓扑结构,其交通流打破了整体路网的常规时空异质性模式,表现为非典型的时间规律和空间关联分布。然而,现有研究大多将路网作为整体进行建模,忽略了局部特殊路网的影响。鉴于此,为解决现有研究中Y形、环形路网影响考虑不充分及各类路网节点空间关联关系存在时变问题,提出特殊路网拓扑解构下的时空异质化交通流预测模型,该模型利用时滞影响下的动态图生成模块,构建反映当前时间步路网空间关联关系的图结构。在此基础上,利用特殊路网解构及动态映射模块,分离出Y形、环形路网时序特征及其时滞动态图。继而利用特殊路网影响下的空间特征提取模块,对整体路网、Y形、环形路网独立建模。实验基于公开高速路网数据集,研究结果表明,与当前先进的模型相比,所提模型的E_(mae)、E_(rmse)在PEMSD4、PEMSD8、成都-滴滴数据集上性能分别提升了4.9074%、4.3404%、3.2295%、0.1667%、1.2677%、1.1861%。同时相较于将路网视为整体进行建模,所提模型的E_(mae)、E_(rmse)在PEMSD8数据集上性能分别提升了8.6514%、6.5366%,进一步证明考虑局部特殊路网的有效性。综上所述,所提模型能充分考虑局部特殊路网对整体交通路网的影响,为时空异质化交通流预测提供一种新的思路。 展开更多
关键词 交通流预测 图卷积网络 门控循环单元 特殊路网 时空异质性
在线阅读 下载PDF
基于图卷积网络和双向门控循环单元的电力系统主导失稳模式辨识 被引量：1
10
作者 王长江 张千龙 +2 位作者 姜涛 陈厚合 陶宇轩 《中国电机工程学报》 北大核心 2025年第16期6326-6339,I0016,共15页
为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂... 为快速准确辨识电力系统主导失稳模式,该文提出一种基于图卷积神经网络(graph convolutional network,GCN)和双向门控循环单元(bi-directional gated recurrent unit,Bi-GRU)的电力系统主导失稳模式辨识方法。首先,根据系统故障前后暂态电气量时序演变规律及空间分布特性,构建表征电力系统运行状态的特征矩阵;然后,建立GCN与Bi-GRU相结合的深度学习模型,利用GCN整合拓扑空间信息提高模型泛化性,同时利用Bi-GRU自适应感知输入特征的全局时间序列信息,以深度挖掘特征矩阵的空间特性和时序特性,进而明晰暂态过程中各暂态电气量间的深层联系及交互影响,实现电力系统主导失稳模式的精确辨识;最后,通过修改后IEEE-39节点系统和某地区实际电网的实验结果表明,所提方法具备一定可解释性,相比其他深度学习方法在有效性、准确性和适应性方面存在一定的优势。 展开更多
关键词 主导失稳模式 电压稳定 功角稳定 图卷积神经网络 双向门控循环单元
原文传递
基于蜉蝣优化算法的时空融合交通流预测研究 被引量：1
11
作者 张红 巩蕾 +1 位作者 曹洁 张玺君 《哈尔滨工程大学学报》 北大核心 2025年第4期764-771,796,共9页
针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性... 针对复杂交通流的动态时空特性难以精准建模、现有深度学习模型超参数难以确定而导致模型预测精度低的问题,本文提出基于蜉蝣优化算法的门控时空卷积网络交通流预测方法。利用时间卷积网络结合门控线性单元挖掘交通数据隐藏的时间依赖性,通过门控机制融合ChebNet捕获的静态空间特征与图卷积网络结合注意力机制捕获的动态空间特征,构建考虑动态时空特征的预测模型,并借助蜉蝣优化算法优化超参数。研究表明:在PeMSD7(M)数据集上,15、30和45 min下该模型MAE的预测精度较T-GCN提高了5.91%、9.06%和10.72%,本文方法具有有效性与优越性。 展开更多
关键词 交通流预测 动态时空特性 超参数 蜉蝣优化算法 时间卷积网络 门控线性单元 注意力机制 图卷积网络
在线阅读 下载PDF
考虑人工裂缝展布及井间干扰的多井图卷积与门控循环单元耦合页岩气井产量预测方法
12
作者 樊冬艳 罗飞 +3 位作者 孙海 杨灿 姚军 张凯 《中国石油大学学报(自然科学版)》 北大核心 2025年第6期141-151,共11页
为了更准确、高效地预测页岩气井产量,针对页岩气藏多井立体井网结合多段压裂水平井开采现状,在考虑人工裂缝展布及多井干扰的基础上,提出一种新的IMWs(interference of multiple wells)-GCN(graph convolutional neural network)-GRU(g... 为了更准确、高效地预测页岩气井产量,针对页岩气藏多井立体井网结合多段压裂水平井开采现状,在考虑人工裂缝展布及多井干扰的基础上,提出一种新的IMWs(interference of multiple wells)-GCN(graph convolutional neural network)-GRU(gate recurrent unit)耦合的页岩气井产量预测机器学习方法。首先,在综合考虑压裂水平井空间位置、裂缝展布和储层渗透率等因素的基础上,提出页岩气井的邻接矩阵构建方法,解决目前考虑多井干扰仅限于直井注采井网的难题,采用图卷积神经网络(GCN)挖掘页岩气井之间的空间特征;其次,基于门控循环单元(GRU)提取不同时间上产量的变化特征,即时间特征,从而形成考虑时空特征的页岩气井机器学习方法;并与数值模拟的结果进行对比验证。最后,基于实际页岩气井的生产井台,对比不同邻接矩阵的构建方法,同时与传统的机器学习方法(LSTM、GRU和RNN)对比。结果表明:与数值模拟结果对比验证了该方法的准确性;在考虑裂缝展布的基础上结合储层渗透率,进一步提高了预测的精度;存在井间干扰的页岩气井采用本模型的精度更高,可超过90%。 展开更多
关键词 产量预测 页岩气井 井间干扰 图卷积神经网络 门控循环单元
在线阅读 下载PDF
基于GAT-GRU的高渗透率分布式新能源接入的配电网无功优化 被引量：2
13
作者 刘会家 滕杰 +1 位作者 冯铃 肖懂 《现代电力》 北大核心 2025年第3期531-541,共11页
无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经... 无功优化在配电网的电压控制、潮流分布以及整个配电网的稳定中起着至关重要的作用。目前,高渗透率新能源的分布式并网以及负荷的多样化给电网的稳定运行带来了巨大的挑战,传统无功补偿方式的时效性以及准确性在当下复杂电网背景下已经无法满足低成本–高质量的供电要求。针对以上情况,该文采用图注意力网络(graph attention networks,GAT)结合门控循环单元(gate recurrent unit,GRU)神经网络对配电网的无功做出优化决策,基于GAT-GRU网络,把握节点间相关性特征的同时获取配电网特征时间依赖性。依据决策,通过无功调节设备与智能柔性开关(soft open point,SOP)协同,以解决配电网的无功优化问题。最后,利用改进的IEEE 33节点配电模型对所提方法进行验证,结果表明GAT-GRU网络在电压控制、网络损耗优化等方面具有良好的效果,证明了该方法在无功优化中的有效性与优异性。 展开更多
关键词 无功优化 配电网 图注意力网络 门控循环单元 分布式能源 智能软开关
原文传递
融合人群移动轨迹和时空-类别的下一个兴趣点推荐 被引量：2
14
作者 郭秉璇 杨晓文 +3 位作者 孙福盛 况立群 张元 韩慧妍 《计算机工程与应用》 北大核心 2025年第2期316-326,共11页
下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一,为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐,没有充分利用其他用户移动轨迹数据的潜在价值... 下一个兴趣点推荐(next POI recommendation)作为基于位置社交网络的主要应用之一,为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐,没有充分利用其他用户移动轨迹数据的潜在价值,也未有效提取和融合时空-类别信息的特征。为了解决上述问题,提出了一种融合人群移动轨迹和时空-类别的下一个兴趣点推荐模型(GGCN-STC)。依据用户的移动轨迹构建区域轨迹图,提出了门控图卷积神经网络对共同移动轨迹进行建模;将签到序列中的时空-类别信息进行多维度的特征融合;利用自注意力机制捕获用户偏好,为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析,结果表明该模型优于其他模型。 展开更多
关键词 兴趣点推荐 门控图卷积神经网络 自注意力机制 时空网络
在线阅读 下载PDF
认知结构动态建模和遗忘显式计算的知识追踪模型
15
作者 张维 罗佩华 +2 位作者 李志新 龚中伟 宋玲玲 《计算机科学与探索》 北大核心 2025年第10期2683-2696,共14页
知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘... 知识追踪任务旨在根据学生历史学习记录来估计学生的知识掌握程度,其中准确建模学习和遗忘行为是精准刻画学生知识状态的关键。现有方法通常基于学生静态知识结构对学习行为进行建模,并通过拼接时间特征和交互信息的隐式方式以改进遗忘建模。然而,学生的认知结构是随时间变化的,且隐式处理时间特征不能充分利用时间信息。为了解决上述问题,提出了一种认知结构动态建模和遗忘显式计算的知识追踪方法(CSFKT),以更好地捕获学生知识状态变化情况。该方法根据学生答题反馈,使用门控循环单元(GRU)对学生认知结构的邻接矩阵进行更新,构建动态变化的学生认知结构图;基于该认知结构图,利用图神经网络的邻域聚合策略建模知识点相互作用过程;提出一种遗忘显式计算方法,利用间隔时间和遗忘曲线公式显示计算记忆保留概率及衰减后的知识状态,再使用GRU获得当前时刻的知识状态,并预测学生正确作答的概率。在三个真实数据集上进行了大量实验,结果表明CSFKT不仅可以建模动态的认知结构也可以显式建模学生遗忘行为,而且具有优越的性能以及良好的可解释性。 展开更多
关键词 知识追踪 图神经网络(GNN) 门控循环单元(GRU) 认知结构 遗忘曲线
在线阅读 下载PDF
基于动态自适应门控图卷积网络的交通拥堵预测
16
作者 王庆荣 高桓伊 +2 位作者 朱昌锋 何润田 慕壮壮 《华南理工大学学报(自然科学版)》 北大核心 2025年第9期31-47,共17页
随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面... 随着城市机动车保有量的持续攀升,交通拥堵程度不断加剧,这种现象对环境保护与城市运行效率造成不利影响。因此,精确预测交通拥堵对于交通管理与优化具有重要意义。然而,现有研究在建模交通数据的动态时变特性及复杂路段间交互关系方面仍存在一定局限性。针对这一问题,该文提出了一种基于图神经网络的门控时空卷积网络模型,以更有效地刻画和预测交通拥堵状况。首先,通过改进的K-均值聚类算法将原始数据划分为多个拥堵状态类别,并将其作为辅助特征融入预测模型,以增强特征表达能力;然后,引入门控时间卷积网络以捕捉交通数据间的时序特性与动态依赖关系,并构建动态自适应门控图卷积网络,通过信号生成模块与双层调制机制实现特征融合与动态权重分配,从而完成对时空特征的有效提取;最后,引入残差连接以增强训练过程的稳定性,并利用跳跃连接对多层次与多尺度特征进行有效整合。在真实交通数据集PeMS08与PeMS04上对所提模型的有效性进行了验证,结果表明,该模型的预测精度优于其他基线模型。 展开更多
关键词 交通拥堵预测 图神经网络 动态自适应门控 聚类算法 门控时间卷积网络
在线阅读 下载PDF
基于深度学习的城市公交站点客流预测
17
作者 卢毅 王宇阳 李媛 《长沙理工大学学报(自然科学版)》 2025年第1期154-162,共9页
【目的】城市公交站点客流的变化趋势和时空特征密不可分。本文目的为捕捉公交站点客流的时空特征。【方法】首先,使用图卷积网络捕捉客流的空间特征;接着,借助门控递归单元捕捉客流的时间特征;然后,构建基于深度学习的公交站点客流预... 【目的】城市公交站点客流的变化趋势和时空特征密不可分。本文目的为捕捉公交站点客流的时空特征。【方法】首先,使用图卷积网络捕捉客流的空间特征;接着,借助门控递归单元捕捉客流的时间特征;然后,构建基于深度学习的公交站点客流预测模型,即门控图卷积网络(gated-graph convolutional network,G-GCN)模型;最后,将驻马店市内的512个公交站点的客流数据按照30、45和60 min三种时间粒度进行划分,利用G-GCN模型进行预测,并将该预测结果与基线模型的预测结果进行对比。【结果】在上述三种时间粒度划分下,G-GCN模型的三种均方根误差分别为2.35、3.00和3.57,分别比其他基线模型的平均降低了19.60%、24.40%和26.40%。【结论】本研究成果突破了以往只在规则区域内对公交客流进行预测的局限,为城市公交组织优化提供了技术参考。 展开更多
关键词 客流和客运量调查与预测 智能交通 深度学习 图卷积网络 门控递归单元
在线阅读 下载PDF
融合建模的图神经网络会话推荐模型
18
作者 杜佳宇 郑红 +3 位作者 郭津延 罗俞建 李鹏威 单蓉胜 《华东理工大学学报(自然科学版)》 北大核心 2025年第6期827-834,共8页
针对传统会话推荐算法仅依赖显式信息而忽视会话间潜在交互关系的问题,本文提出了一种基于门控和图注意力机制的融合建模模型IM-GGN(Integrated Modeling Gated Graph Network),它对物品间的结构化关系和会话间的非结构化关系同时进行建... 针对传统会话推荐算法仅依赖显式信息而忽视会话间潜在交互关系的问题,本文提出了一种基于门控和图注意力机制的融合建模模型IM-GGN(Integrated Modeling Gated Graph Network),它对物品间的结构化关系和会话间的非结构化关系同时进行建模,从而提升推荐性能。该模型由结构化关系学习(Structured Pattern Learning,SPL)模块与非结构化关系学习(Unstructured Pattern Learning,UPL)模块组成:SPL模块结合图神经网络和门控机制,捕捉会话内部的顺序依赖和长程关系;UPL模块则利用图注意力机制对会话间非结构化的关联信息进行建模,以提取用户偏好上下文。实验结果表明,本文方法在多个公开数据集上均取得了一定程度的性能提升,验证了模型在会话推荐中的有效性。 展开更多
关键词 会话推荐 门控图神经网络 图注意力机制 结构化关系 非结构化关系
在线阅读 下载PDF
基于图注意力网络和门控网络的轻量级单通道语音分离方法 被引量：1
19
作者 余传旗 郭海燕 +2 位作者 王婷婷 王景润 杨震 《信号处理》 北大核心 2025年第4期706-717,共12页
语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题... 语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题,本文综合考虑模型效率与分离性能,提出一种基于图注意力网络(Graph Attention Network,GAT)和门控网络(Gated Network,GN)的轻量级语音分离模型(称为GGN-Papez)。该方法基于轻量级、高效的基线模型Papez,引入GAT处理听觉记忆块内存储的全局信息,并使用GN生成掩码,来提升基线模型Papez的性能。具体地,假定所有记忆令牌之间均存在连接,利用GAT计算令牌间的注意力得分,并采用阈值过滤策略裁剪掉得分较低的边,生成新的邻接矩阵。再利用此邻接矩阵聚合记忆令牌所存储的全局信息,以提取出更有效的上下文信息,提高模型对全局特征的理解能力。在此基础上,考虑到Papez使用的掩码生成模块为表达能力有限的双层全连接前馈神经网络,本文提出使用具备更强特征选择能力的GN替代原有模块,以生成更符合源语音特征的掩码。所提模型GGN-Papez在基准数据集WSJ0-2Mix和Libri2Mix上进行了实验,实验结果表明所提方法在增加很少参数量的情况下,显著提升了分离语音的尺度不变信噪比(Scale Invariant Signal-to-Noise Ratio,SI-SNR)。此外,本文还设计了消融实验验证GAT和GN对整体模型性能的影响,并从推理时间和语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)得分等方面综合地对所提模型的性能进行了分析。 展开更多
关键词 语音分离 轻量级模型 图神经网络 图注意力网络 门控机制
在线阅读 下载PDF
面向飞机空调系统故障诊断的知识图谱构建与应用
20
作者 贾宝惠 王鸿泽 +1 位作者 王之强 高源 《安全与环境学报》 北大核心 2025年第10期3830-3842,共13页
为更加准确地诊断飞机空调系统故障,充分利用运维过程中产生的大量非结构化文本数据,引入知识图谱技术,构建了一种飞机空调系统故障诊断模型。首先,提出一种多源异构数据融合算法,结合专家知识构建专有词汇自定义词库,对数据进行标注;然... 为更加准确地诊断飞机空调系统故障,充分利用运维过程中产生的大量非结构化文本数据,引入知识图谱技术,构建了一种飞机空调系统故障诊断模型。首先,提出一种多源异构数据融合算法,结合专家知识构建专有词汇自定义词库,对数据进行标注;然后,采用自注意力机制改进的双向门控循环单元和条件随机场相融合的方法对已标注的运维文本数据识别实体;随后,训练改进双向门控循环单元进行关系抽取;在此基础上,利用Neo4j图数据库,将提取的三元组储存,构建面向飞机空调系统的知识图谱;提出了一种融合知识图谱的故障诊断模型,实现了对飞机空调系统的故障诊断;最后,搭建飞机空调系统故障诊断智能问答系统,为航空领域故障诊断提供新的解决方案。 展开更多
关键词 安全工程 知识图谱 空调系统 故障诊断 双向门控循环单元
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 15 下一页 到第 页
使用帮助 返回顶部