对比学习增强的多行为超图神经网络推荐模型 被引量：1

1

作者 王光 李佳欣 《计算机应用研究》 北大核心 2025年第8期2304-2311,共8页

多行为推荐(multi-behavior recommendation,MBR)在互联网平台中愈发重要,但现有方法仍面临两大挑战:a)无法刻画用户不同行为下的复杂兴趣偏好;b)难以建模不同行为间的相互关系。基于此,提出一种对比学习增强的多行为超图神经网络模型(m... 多行为推荐(multi-behavior recommendation,MBR)在互联网平台中愈发重要,但现有方法仍面临两大挑战:a)无法刻画用户不同行为下的复杂兴趣偏好;b)难以建模不同行为间的相互关系。基于此,提出一种对比学习增强的多行为超图神经网络模型(multi-behavior hypergraph neural network model enhanced with contrastive lear-ning,MBHCL),在建模用户复杂多类型交互的同时,结合对比学习捕获行为间共性与差异,以获取更优嵌入表示,缓解冷启动与数据稀疏问题。具体地,MBHCL首先构建用户-项目多行为交互超图,以刻画用户对项目不同维度的偏好;其次设计三个对比任务整合单行为表示,通过捕捉行为间的共性与差异获取全面用户兴趣偏好。最终,MBHCL在四个真实场景数据集上进行对比实验。结果表明,在Tmall和BeiBei数据集上,HIT和NDCG指标有至少4.8%的提升,在Kuairand和Yelp数据集上,HIT和NDCG指标至少提升3.6%,并通过消融实验验证了各模块的有效性,同时显著改善了冷启动用户推荐效果。 展开更多

关键词 推荐系统 多行为推荐 图神经网络 超图 对比学习 自监督学习

在线阅读 下载PDF 职称材料

基于多图神经网络和图对比学习的科学文献摘要模型

2

作者 赵红燕 郭力华 +1 位作者 刘春霞 王日云 《计算机应用》 北大核心 2025年第12期3820-3828,共9页

生成面临句间关系的捕捉、长距离依赖及文档信息的高效编码与提取等难题,一直是自然语言处理领域的一个难点任务。同时,科学文献通常包含多个章节和段落,具有复杂的层次结构,使科学文献的摘要生成任务更具挑战性。针对以上问题,提出一... 生成面临句间关系的捕捉、长距离依赖及文档信息的高效编码与提取等难题,一直是自然语言处理领域的一个难点任务。同时,科学文献通常包含多个章节和段落,具有复杂的层次结构,使科学文献的摘要生成任务更具挑战性。针对以上问题,提出一种基于多图神经网络(GNN)和图对比学习(GCL)的科学文献摘要模型(MGCSum)。首先,对于输入的文档,通过同构GNN和异构GNN分别建模句内与句间关系,以生成初始句子表示;其次,将这些句子表示馈送到一个多头超图注意网络(HGAT),并在其中利用自注意机制充分捕捉节点和边之间的关系,从而进一步更新和学习句间的表示;再次,引入GCL模块增强全局主题感知,从而提升句子表示的语义一致性和区分度;最后,采用多层感知器(MLP)和归一化层计算一个得分,用于判断句子是否应被选为摘要。在PubMed和ArXiv数据集上的实验结果表明,MGCSum模型的表现优于多数基线模型。具体地,在PubMed数据集上,MGCSum模型的ROUGE-1、ROUGE-2和ROUGE-L分别达到了48.97%、23.15%和44.09%,相比现有的先进模型HAESum(Hierarchical Attention graph for Extractive document Summarization)分别提高了0.20、0.71和0.26个百分点。可见,通过结合多GNN和GCL,MGCSum模型能够更有效地捕捉文献的层次结构信息和句间关系,提升了摘要生成的准确性和语义一致性,展现了它在科学文献摘要生成任务中的优势。 展开更多

关键词 科学文献摘要 抽取式摘要 图神经网络 超图注意网络 图对比学习

在线阅读 下载PDF 职称材料

基于超图神经网络的多尺度信息传播预测模型

3

作者 赵敬华 张柱 +1 位作者 吕锡婷 林慧丹 《计算机应用》 北大核心 2025年第11期3529-3539,共11页

针对现有多尺度信息传播预测模型忽略了级联传播的动态性,以及独立进行微观信息预测时性能有待提高的问题,提出基于超图神经网络的多尺度信息传播预测模型(MIDHGNN)。首先,使用图卷积网络(GCN)提取社交网络图中蕴含的用户社交关系特征,... 针对现有多尺度信息传播预测模型忽略了级联传播的动态性,以及独立进行微观信息预测时性能有待提高的问题,提出基于超图神经网络的多尺度信息传播预测模型(MIDHGNN)。首先,使用图卷积网络(GCN)提取社交网络图中蕴含的用户社交关系特征,使用超图神经网络(HGNN)提取传播级联图中蕴含的用户全局偏好特征,并融合这2类特征进行微观信息传播预测;其次,利用门控循环单元(GRU)连续预测传播用户,直至虚拟用户;再次,将每次预测所得用户总数作为级联的最终规模,完成宏观信息传播预测;最后,在模型中嵌入强化学习(RL)框架,采用策略梯度方法优化参数,提升宏观信息传播预测性能。在微观信息传播预测方面,相较于次优模型,MIDHGNN在Twitter、Douban、Android数据集上的Hits@k指标分别平均提升12.01%、11.64%、9.74%,mAP@k指标分别平均提升31.31%、14.85%、13.24%;在宏观预测方面,MIDHGNN在这3个数据集上的均方对数误差(MSLE)指标分别最少降低8.10%、12.61%、3.24%,各项指标均显著优于对比模型,验证了它的有效性。 展开更多

关键词 信息传播预测 图卷积网络 超图神经网络 强化学习 多尺度

在线阅读 下载PDF 职称材料

基于超图卷积和多角度拓扑细化的骨骼行为识别方法

4

作者 黄倩 苏新凯 +1 位作者 李畅 巫义锐 《计算机科学》 北大核心 2025年第5期220-226,共7页

由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空... 由于人体骨架是一个天然存在的拓扑结构,因此图卷积网络(GCNs)被广泛地应用于基于骨骼的人体行为识别。然而,目前的基于GCN的方法只关注关节点对之间的低阶关系,而忽略了潜在的关节点在关节点群中的高阶关系。同时,现有的方法忽略了空间拓扑随时间的动态变化。这些不足影响了模型的表现。为此,利用K-NN计算出相关性高的关节点构成超边,提出了超图构建方法和超边图卷积来动态地学习关节点间的高阶关系。此外,设计了一个从时间和通道角度细化的拓扑图来学习帧级的和通道级的关节点对之间的相关性。最后,开发了一个多角度拓扑细化的超图卷积网络(HyperMTR-GCN)用于骨骼行为识别,其在NTU RGB+D和NTU RGB+D 120数据集上具有显著优势。具体地,所提方法在NTU RGB+D的X-sub基准上比2s-AGCN提高了3.7%,在NTU RGB+D 120的X-sub基准上比2s-AGCN提高了5.7%。 展开更多

关键词 行为识别 图卷积网络 超图神经网络 骨架建模 拓扑细化

在线阅读 下载PDF 职称材料

基于多视角学习的图神经网络群组推荐模型

5

作者 王聪 史艳翠 《计算机应用》 北大核心 2025年第4期1205-1212,共8页

针对现有基于图神经网络(GNN)的群组推荐模型难以充分利用显隐式交互信息的问题,提出一种基于多视角学习的GNN群组推荐(GRGM)模型。先根据群组交互数据构造超图、二分图和超图投影图,并针对各个图结构的特性采用相应的GNN提取图节点特征... 针对现有基于图神经网络(GNN)的群组推荐模型难以充分利用显隐式交互信息的问题,提出一种基于多视角学习的GNN群组推荐(GRGM)模型。先根据群组交互数据构造超图、二分图和超图投影图,并针对各个图结构的特性采用相应的GNN提取图节点特征,从而充分表达用户、群组和项目之间的显隐式关系;再提出一种多视角信息融合策略,以获取最终的群组和项目表示。在Mafengwo、CAMRa2011和Weeplaces数据集上的实验结果表明,相较于基线模型ConsRec,GRGM模型的命中率(HR@5、HR@10)和归一化折损累计增益(NDCG@5、NDCG@10)在Mafengwo数据集上分别提升了3.38%、1.96%和3.67%、3.84%,在CAMRa2011数据集上分别提升了2.87%、1.18%和0.96%、1.62%,在Weeplaces数据集上分别提升了2.41%、1.69%和4.35%、2.60%。可见,GRGM模型相较于对比模型具有更好的推荐性能。 展开更多

关键词 群组推荐 图神经网络 多视角学习 超图 隐式信息

在线阅读 下载PDF 职称材料

基于多层超图卷积神经网络的故障诊断方法 被引量：1

6

作者 张元东 张先杰 +1 位作者 张若楠 张海峰 《复杂系统与复杂性科学》 北大核心 2025年第1期131-137,共7页

机器学习方法在复杂工业过程中的故障诊断方面获得了很大的发展。然而,现有的大多数方法只考虑独立样本的特征,或者样本之间的二元关系,很少考虑样本之间的高阶关系以及结构多样性。因此提出一种基于多层超图卷积神经网络的故障诊断方法... 机器学习方法在复杂工业过程中的故障诊断方面获得了很大的发展。然而,现有的大多数方法只考虑独立样本的特征,或者样本之间的二元关系,很少考虑样本之间的高阶关系以及结构多样性。因此提出一种基于多层超图卷积神经网络的故障诊断方法,该方法首先利用多种相似性指标构建出具有不同结构的多层超图,然后通过层内超图卷积以及层间图卷积的操作进行特征的提取与融合。在SEU的仿真数据集以及磨煤机组的真实数据集中进行实验,结果表明该方法可以有效地提高故障诊断的精度。 展开更多

关键词 超图神经网络(HGNN) 图卷积网络(GCN) 多层超图 故障诊断

在线阅读 下载PDF 职称材料

多源特征融合增强的虚假新闻检测方法

7

作者 胡泽 陈志南 杨宏宇 《电子与信息学报》 北大核心 2025年第8期2919-2934,共16页

针对现有虚假新闻检测方法在提取和利用新闻多层次特征及捕获新闻传播高阶结构特征方面的局限性,该文提出一种多源特征融合增强(MSFFE)的虚假新闻检测方法。该方法利用多层次注意力机制,从结构、时序和内容3个维度提取新闻特征:首先,通... 针对现有虚假新闻检测方法在提取和利用新闻多层次特征及捕获新闻传播高阶结构特征方面的局限性,该文提出一种多源特征融合增强(MSFFE)的虚假新闻检测方法。该方法利用多层次注意力机制,从结构、时序和内容3个维度提取新闻特征:首先,通过增强型超图神经网络提取新闻传播的结构特征;其次,利用多尺度时序模块捕获新闻传播的时序特征;最后,采用多头自注意力机制提取新闻内容特征。特别地,该方法设计了一种特征融合门控单元,用于动态调整不同特征维度的权重,从而实现多源异构特征的高效融合。在公开数据集Politifact和Gossipcop上的实验结果显示,该方法的检测性能较UPFD,HGNN,RTRUST(State-of-the-Art)等近年的基线方法有所提升。其中,与最先进的方法相比较,在Politifact数据集上,准确率提升了3.64%,F1分数提升了3.41%;在Gossipcop数据集上,准确率提升了0.55%,F1分数提升了0.56%。这些实验结果表明,该方法能够有效检测虚假新闻,为虚假新闻检测领域提供了新思路和技术支撑。 展开更多

关键词 虚假新闻检测 超图 图神经网络 注意力机制 多特征融合

在线阅读 下载PDF 职称材料

融合线图的超门控图神经网络的会话推荐系统

8

作者 白杨 梅红岩 +1 位作者 袁凤源 吴帅甫 《计算机工程与设计》 北大核心 2025年第9期2487-2493,共7页

针对现有的会话推荐模型无法捕捉高维度的相关性和信息传播受限问题,提出了一种会话推荐模型,利用线图神经网络结合超门控图神经网络建模复杂关系和多层次语义来获取高维度的信息。超门控图神经网络可以处理复杂的关系和依赖,而结合门... 针对现有的会话推荐模型无法捕捉高维度的相关性和信息传播受限问题,提出了一种会话推荐模型,利用线图神经网络结合超门控图神经网络建模复杂关系和多层次语义来获取高维度的信息。超门控图神经网络可以处理复杂的关系和依赖,而结合门控线图方法,可以处理不同长度的会话序列,适应不同数据类型和场景。这使得模型具有良好的泛化能力,在推荐任务中提供更准确的结果。实验结果表明,该模型在Tmall和Diginetica两个基准数据集上优于现有方法。 展开更多

关键词 会话推荐 图门控机制 超图神经网络 多层次语义关系 注意力机制 门控线图 推荐系统

在线阅读 下载PDF 职称材料

基于有向超图自适应卷积的链接预测模型

9

作者 赵文博 马紫彤 杨哲 《计算机应用》 北大核心 2025年第1期15-23,共9页

图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图... 图神经网络(GNN)为链接预测提供了多样化的解决方案,但由于普通图的结构限制,目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题,提出一种基于有向超图自适应卷积的链接预测模型。首先,使用有向超图结构更充分地表示顶点间的高阶和方向信息,兼具超图和有向图的优势;其次,有向超图自适应卷积采用自适应信息传播方式替代传统有向超图中的定向信息传播方式,从而解决了有向超边尾部顶点不能有效更新嵌入的问题,同时解决多层卷积导致的顶点过度平滑问题。在Citeseer数据集上基于显式顶点特征的实验结果显示,在链接预测任务上,相较于有向超图神经网络(DHNN)模型,所提模型的ROC(Receiver Operating Characteristic)曲线下面积(AUC)指标提升了2.23个百分点,平均精度(AP)提升了1.31个百分点。因此,所提模型可以充分表达顶点间的关系,并有效提高链接预测任务的性能。 展开更多

关键词 图神经网络 有向超图 链接预测 超图卷积 表示学习 自适应卷积

在线阅读 下载PDF 职称材料

基于双通道异质超图神经网络的引文推荐方法

10

作者 李瑞红 李晓红 +1 位作者 姚锦 王闪闪 《计算机工程与科学》 北大核心 2025年第2期361-369,共9页

针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节... 针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节点的局部和全局语义特征,获得异质图通道上关于目标节点的结构表征。其次,设计多种类型的超边,扩展异构数据信息。再次,使用超图编码节点间的交互,并利用超图神经网络捕获超图中潜在的复杂高阶语义关系,获得超图通道上关于目标节点的语义表征。最后,聚合2个通道上的信息,得到目标节点的最终语义表示,并计算目标论文节点与候选论文节点间的相关性,生成引用文献推荐列表。在DBLP和PubMed数据集上的实验结果表明,所提出的方法能有效提升引文推荐的质量,获得较好的推荐结果。 展开更多

关键词 引文推荐 异质图 超图神经网络 信息融合

在线阅读 下载PDF 职称材料

结合动态多阶门控GNN和超图卷积的自监督会话推荐 被引量：1

11

作者 沈学利 赵国阳 《计算机系统应用》 2025年第4期90-103,共14页

针对现有基于图神经网络的会话推荐方法中缺乏对高阶特征的提取和利用以及数据稀疏性的问题,提出一种结合动态多阶门控图神经网络(GGNN)和超图卷积的自监督会话推荐模型(SDMHC-GNN).首先,利用不同的图结构将会话序列建模为3个不同的视图... 针对现有基于图神经网络的会话推荐方法中缺乏对高阶特征的提取和利用以及数据稀疏性的问题,提出一种结合动态多阶门控图神经网络(GGNN)和超图卷积的自监督会话推荐模型(SDMHC-GNN).首先,利用不同的图结构将会话序列建模为3个不同的视图:会话视图、超图视图和关系视图,会话视图使用动态多阶门控图神经网络、稀疏自注意力和稀疏全局注意力机制生成局部顺序会话表示,超图视图使用超图卷积和软注意力机制生成高阶会话表示,关系视图使用图卷积和稀疏交叉注意力机制生成会话关系表示;其次,通过自监督学习对不同的会话表示之间的互特征最大化;最后,通过意向邻居协作模块对当前会话表示进行过滤和增强.在Diginetica和Tmall两个公开数据集上进行多次实验,并与先进基线模型比较,实验结果表明所提出模型的性能优于基线模型,证明了该模型的有效性. 展开更多

关键词 会话推荐 动态多阶门控图神经网络 超图卷积 稀疏交叉注意力机制 自监督学习

在线阅读 下载PDF 职称材料

注意力感知的边−节点交换图神经网络模型 被引量：5

12

作者 王瑞琴 黄熠旻 +2 位作者 纪其顺 万超艺 周志峰 《电信科学》 北大核心 2024年第1期106-114,共9页

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... 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。 展开更多

关键词 图神经网络 消息传递 注意力机制 超图 边图

在线阅读 下载PDF 职称材料

基于超图卷积神经网络的多行为感知服务推荐方法 被引量：3

13

作者 陆佳炜 李端倪 +2 位作者 王策策 徐俊 肖刚 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2023年第10期1977-1986,共10页

针对现有服务推荐方法中高阶服务特征提取不够充分的问题,提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN).该方法根据服务交互类型和服务组合信息构建多重超图,基于谱分解理论和多重超图的功能结构特性以设计双通道超图... 针对现有服务推荐方法中高阶服务特征提取不够充分的问题,提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN).该方法根据服务交互类型和服务组合信息构建多重超图,基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络.利用切比雪夫多项式近似超图卷积核来降低计算复杂度;在超图卷积过程中,结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异,提出HG-DiffPool超图池化方法来降低特征维度;通过融合服务嵌入向量和超图信号,学习不同服务的推荐概率分布;爬取真实服务数据,构造不同稀疏度的数据集进行实验.实验结果表明,所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景,并且在推荐精确度和相关性上的表现优于现有基线方法. 展开更多

关键词 服务推荐 图神经网络 超图学习 多行为推荐 注意力机制

在线阅读 下载PDF 职称材料

超图神经网络综述 被引量：5

14

作者 林晶晶 冶忠林 +1 位作者 赵海兴 李卓然 《计算机研究与发展》 EI CSCD 北大核心 2024年第2期362-384,共23页

近年来,图神经网络借助大量数据和超强计算能力在推荐系统和自然语言处理等应用领域取得显著成效,它主要处理具有成对关系的图数据.但许多现实网络中的对象之间的关系是复杂的非成对关系,如科研合作网络、蛋白质网络等.若直接用图结构... 近年来,图神经网络借助大量数据和超强计算能力在推荐系统和自然语言处理等应用领域取得显著成效,它主要处理具有成对关系的图数据.但许多现实网络中的对象之间的关系是复杂的非成对关系,如科研合作网络、蛋白质网络等.若直接用图结构将这种复杂的关系表示为成对关系,会导致信息丢失.超图是一种灵活的建模工具,可以展现出图无法完整刻画的高阶关系,弥补了图的不足.鉴于此,研究者开始关心如何在超图上设计神经网络,并相继提出应用于下游任务的超图神经网络模型(hypergraph neural network,HGNNs).故对现有的超图神经网络模型进行综述,首先全面回顾超图神经网络在过去3年的研究历程;其次根据设计超图神经网络采用的方法不同对其进行分类,并详细地阐述代表性的模型;然后介绍了超图神经网络的应用领域;最后总结和探讨了超图神经网络未来的研究方向. 展开更多

关键词 超图 超图神经网络 分类 图 图神经网络

在线阅读 下载PDF 职称材料

基于谱域超图卷积网络的交通流预测模型 被引量：5

15

作者 尹宝才 王竟成 +2 位作者 张勇 胡永利 孙艳丰 《北京工业大学学报》 CAS CSCD 北大核心 2024年第2期152-164,共13页

针对传统图结构难以对节点间的隐含复杂关联关系建模的问题,利用超图对交通流数据进行高阶表示,提出基于谱域超图卷积网络的交通流预测方法。首先,通过动态超边刻画数据特征层面的关系,利用谱域超图卷积,包括基于傅里叶和图小波的超图... 针对传统图结构难以对节点间的隐含复杂关联关系建模的问题,利用超图对交通流数据进行高阶表示,提出基于谱域超图卷积网络的交通流预测方法。首先,通过动态超边刻画数据特征层面的关系,利用谱域超图卷积,包括基于傅里叶和图小波的超图卷积及门控时序卷积,在多尺度上提取交通流的时空特征,实现端到端的节点级交通流预测。然后,采用北京市以及美国加利福尼亚州真实历史数据集进行预测实验。消融实验通过孤立和重构网络模型验证了所提方法的有效性。全时段和早高峰交通流预测的实验结果表明,该方法预测准确率高于目前主流交通流预测模型。 展开更多

关键词 图神经网络 超图理论 多元时序预测 深度学习 大数据分析 智慧交通

在线阅读 下载PDF 职称材料

一种基于层次超图注意力神经网络的服务推荐算法 被引量：1

16

作者 杨东昇 王桂玲 郑鑫 《计算机科学》 CSCD 北大核心 2024年第11期103-111,共9页

随着Internet和Web上各种服务和API数量的迅速增加,开发人员要快速准确地找到满足其需求的API变得越来越具有挑战性,因此亟需一个高效的推荐系统。目前,将图神经网络应用于服务推荐领域取得了巨大成功,但大多数方法仍然局限于简单的交互... 随着Internet和Web上各种服务和API数量的迅速增加,开发人员要快速准确地找到满足其需求的API变得越来越具有挑战性,因此亟需一个高效的推荐系统。目前,将图神经网络应用于服务推荐领域取得了巨大成功,但大多数方法仍然局限于简单的交互,忽略了mashup和API调用之间的内在关系;为了解决这个问题,提出了一种基于层次超图注意力的服务推荐方法(H-HGSR)来进行API推荐。首先定义了8种类型的超边,并探究了对应类型超边的超图邻接矩阵生成方法,然后提出了节点级和超边级的注意力机制。节点级注意力机制用于聚合特定类型超图邻接矩阵下的不同邻居的重要信息,以捕获mashup和API之间的高阶关系;超边级注意力机制用于对从不同类型超图邻接矩阵生成的节点嵌入进行加权组合。通过学习节点级和超边级注意力的重要性,可以获得更准确的嵌入表示。最后使用一个多层感知器神经网络(MLP)进行服务推荐。在Programmable Web真实数据集上进行了大量实验,结果表明,所提H-HGSR框架优于目前最先进的服务推荐方法。 展开更多

关键词 服务推荐 超图 图神经网络 注意力机制

在线阅读 下载PDF 职称材料

交互关系超图卷积模型的双人交互行为识别 被引量：5

17

作者 代金利 曹江涛 姬晓飞 《智能系统学报》 CSCD 北大核心 2024年第2期316-324,共9页

为提高学校、商场等公共场所的安全性,实现对监控视频中的偷窃、抢劫和打架斗殴等异常双人交互行为的自动识别,针对现有基于关节点数据的行为识别方法在图的创建中忽略了2个人之间的交互信息,且忽略了单人非自然连接关节点间的交互关系... 为提高学校、商场等公共场所的安全性,实现对监控视频中的偷窃、抢劫和打架斗殴等异常双人交互行为的自动识别,针对现有基于关节点数据的行为识别方法在图的创建中忽略了2个人之间的交互信息,且忽略了单人非自然连接关节点间的交互关系的问题,提出一种基于交互关系超图卷积模型用于双人交互行为的建模与识别。首先针对每一帧的关节点数据构建对应的单人超图以及双人交互关系图,其中超图同时使多个非自然连接节点信息互通,交互关系图强调节点间交互强度。将以上构建的图模型送入时空图卷积对空间和时间信息分别建模,最后通过SoftMax分类器得到识别结果。该算法框架的优势是在图的构建过程中加强考虑双人的交互关系、非自然连接点间结构关系以及四肢灵活的运动特征。在NTU数据集上的测试表明,该算法得到了97.36%的正确识别率,该网络模型提高了双人交互行为特征的表征能力,取得了比现有模型更好的识别效果。 展开更多

关键词 双人交互 行为识别 关节点数据 深度学习 时空图卷积网络 超图 图结构 神经网络

在线阅读 下载PDF 职称材料

融合残差网络的自监督社交推荐算法 被引量：1

18

作者 王玉洁 杨哲 《计算机科学与探索》 CSCD 北大核心 2024年第12期3175-3188,共14页

基于图神经网络的社交推荐算法,通过社交图和交互图的信息来学习用户和项目的嵌入,得到最终的推荐结果。但是现有算法主要利用静态的社交图结构,无法挖掘用户之间潜在的链接关系,同时也没有解决用户与项目交互行为中的噪声问题。提出了... 基于图神经网络的社交推荐算法,通过社交图和交互图的信息来学习用户和项目的嵌入,得到最终的推荐结果。但是现有算法主要利用静态的社交图结构,无法挖掘用户之间潜在的链接关系,同时也没有解决用户与项目交互行为中的噪声问题。提出了一种融合残差网络的自监督社交推荐算法。采用变分超图自编码器对社交网络进行链接预测,得到重构的社交图,以此来挖掘隐藏在用户间的积极链接关系;利用注意力机制为原始社交图和重构后的残差社交图分配不同的注意力系数,得到更加精确的用户表征;为了缓解数据中的噪声问题,构建了自适应的超图全局关系提取器,在该提取器的协作下利用局部嵌入信息和全局嵌入信息创建自监督信号,从而优化局部的嵌入表示,进而缓解噪声影响。该算法在Ciao、Epinions和Yelp三个数据集上与NGCF、LightGCN、MHCN等基线模型进行对比实验。在Ciao数据集上,Recall@10提升了17.1%~48.5%,NDCG@10提升了1.4%~37.9%;在Epinions数据集上,Recall@10提升了8.3%~56.2%,NDCG@10提升了3.7%~29.8%;在Yelp数据集上,Recall@10提升了9.1%~53.3%,NDCG@10提升了11.2%~66.6%。实验结果表明,该算法相较于基准模型有良好的推荐性能。 展开更多

关键词 社交网络 推荐系统 图卷积神经网络 超图 自监督学习

在线阅读 下载PDF 职称材料

自注意力超图池化网络 被引量：4

19

作者 赵英伏 金福生 +3 位作者 李荣华 秦宏超 崔鹏 王国仁 《软件学报》 EI CSCD 北大核心 2023年第10期4463-4476,共14页

近年来,将卷积神经网络推广到图数据上的图卷积神经网络引起了广泛关注,主要包括重新定义图的卷积和池化操作.由于图数据只能表达二元关系的局限性,使其在实际应用中表现欠佳.相比之下,超图能够捕获数据的高阶相关性,利用其灵活的超边... 近年来,将卷积神经网络推广到图数据上的图卷积神经网络引起了广泛关注,主要包括重新定义图的卷积和池化操作.由于图数据只能表达二元关系的局限性,使其在实际应用中表现欠佳.相比之下,超图能够捕获数据的高阶相关性,利用其灵活的超边易于处理复杂的数据表示.然而,现有的超图卷积神经网络还不够成熟,目前尚无有效的超图池化操作.因此,提出了带有自注意机制的超图池化网络,使用超图结构建模,通过引入自注意力的超图卷积操作学习带有高阶数据信息的节点隐藏层特征,再经过超图池化操作选择并保留在结构和内容上的重要节点,进而得到更准确的超图表示.在文本分类、菜肴分类和蛋白质分类任务上的实验结果表明:与目前多种主流方法相比,该方法均取得了更好的效果. 展开更多

关键词 超图 卷积神经网络 池化 图神经网络 超图神经网络

在线阅读 下载PDF 职称材料

融合全局信息的多图神经网络会话推荐 被引量：1

20

作者 黄涛 徐贤 《小型微型计算机系统》 CSCD 北大核心 2024年第4期769-776,共8页

基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多... 基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多图神经网络会话推荐模型(GIMGNN)来增强会话推荐的效果.该模型首先通过超图卷积神经网络和门控图神经网络从全局会话超图和局部会话图中学习两个级别的物品表示,然后通过注意力机制将反向位置信息融合到两种表示中,最后利用融合后的表示完成预测.在两个真实数据集Yoochoose和Diginetica上进行了一系列实验,实验结果表明,对比性能最优的基准模型,GIMGNN模型在Yoochoose上P@20和MRR@20至少提升了2.42%和4.01%,在Diginetica上P@20和MRR@20至少提升了6.56%和9.11%,验证了模型的有效性. 展开更多

关键词 会话推荐 超图卷积神经网络 门控图神经网络 注意力机制 位置信息

在线阅读 下载PDF 职称材料