基于知识图谱的学位论文送审专家推荐方法

针对传统学位论文评审所存在的问题,提出了一种基于知识图谱的学位论文评审专家的推荐方法。通过论文数据关键词的同义关系和共现关系构建学术领域知识图谱,利用基于TextRank和逆文档频率的方法实现论文和专家的候选关键词提取,采用基于Levenshtein距离的方法实现初始特征向量到图谱节点向量的加权映射转换,并使用基于向量余弦值的方法计算送审论文与评审专家的匹配相似度,最终得到与送审论文最为匹配的评审专家,实现最佳评审专家的推荐。实验中以综合准确率和召回率的F_1指数作为指标,验证了该方法的性能。     

一种基于域推荐相似度的P2P信任模型

为了提高P2P系统中资源定位效率并保证资源下载质量,提出了一种基于域推荐相似度的P2P信任模型(DRSTrust).该模型充分考虑了节点兴趣和身份对信任计算的影响,通过划分兴趣域,以解决节点间因兴趣不对称而难以建立直接信任关系的问题.在兴趣域的基础上,根据域推荐相似度加权个体的域推荐度来计算节点的域服务信誉,并利用域服务信誉来刻画节点在特定兴趣域内的服务行为细节.然后,提出了服务相似度的概念,通过使服务行为最为相似的节点成为邻居来激励好节点贡献资源,同时将恶意节点排斥在网络边缘,从而有效提高了P2P系统中节点信任计算准确度.分析及仿真结果表明,在迭代的收敛速度、下载成功率以及模型的安全性等方面,DRSTrust均优于现有的信任模型.     

基于电影属性和交互信息的电影推荐算法

为了缓解电影推荐系统准确率低、可解释性差和数据稀疏等问题,该文同时考虑电影属性信息和用户与电影的交互信息,融合知识图谱和协同过滤算法提出了基于电影属性和交互信息的电影推荐算法,简称为RippleNet协同过滤(RippleNet collaborative filtering, RippleNet-CF)。该模型一方面利用电影与电影属性之间的相互关系构建电影知识图谱,提取电影与电影之间的关系,通过RippleNet模型计算用户偏好。另一方面使用电影和用户间的交互信息,通过协同过滤算法计算出用户偏好。最后结合上述2个方面得出推荐列表,并根据推荐列表进行Top-K推荐。试验结果表明,该文提出的方法在推荐效果的准确率方面有显著提升,同时具有更好的解释性并缓解了数据稀疏问题。     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.     

一种无线传感器网络自身节点定位算法

基于无线传感器网络定位中半定优化算法的特点,提出了一种基于信号到达角信息的无线传感器网络节点自身定位算法,将所有节点之间的角度关系表述为凸规划约束条件,从而将定位问题转化为一个凸集优化问题,节点间的几何关系也相应地转化成为线性或二次约束条件.在理想情况下,该算法将定位问题转化为一个线性规划问题.实际情况中考虑到测量误差,通过引入辅助变量,将定位问题转化为一个二次规划问题.仿真结果表明,当信号到达角测量误差增加10°左右时,该算法仍可取得满意的定位精度.     

无结构对等网络中基于信誉的激励模型研究

将社会网中的信任机制引入到无结构对等网络中,通过社会网相关理论在节点间构建信任关系.把网络中每个节点同时拥有的"服务贡献者"和"服务消费者"这两个不同角色,分别采用不同的信誉值进行衡量与评估,并以此构建激励模型.在推荐信誉值的评估中,进行了针对恶意节点虚假推荐值的去噪声处理,提高了信誉值评估的抗干扰性.实验结果表明,该模型能够有效抑制搭便车和恶意节点等不合作节点的行为,在保障系统公平性的同时,提高了系统的可靠性与服务质量.     

表示学习知识图谱的实体对齐算法

与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.     

一种基于分簇的机会网络路由算法

针对机会网络中节点相遇但传输信息失败而带来的资源浪费问题,提出一种基于节点分簇的数据传输算法COND.根据节点自身和节点间的特性,设计了以节点间成功传输信息的次数为分簇指标对节点进行分簇的方法,同时根据中继节点和目标节点的关系转发消息,从而高效地将消息投递到目的节点,并提高了节点间传输信息的成功率.仿真结果验证了通过上述节点分簇算法和信息转发方式,COND能够提高消息投递成功率和降低网络的资源消耗.     

无线Mesh网中基于推荐信任的身份认证方案

为了提高无线Mesh网络的安全性,提出基于推荐信任的身份认证方案.当目标节点要求加入网络时,源节点发出推荐请求,响应请求的推荐节点用推荐信任值评价目标节点的可信度.该方案将各推荐节点的推荐信任向量加权综合后量化,源节点可根据信任等级直观有效地判断一节点的可靠性,由此避免非可靠节点的加入,提高了网络的安全性.     

基于全局有向图的商品会话序列推荐算法

针对商品会话序列推荐中传统推荐算法过分依赖临近点击状况, 在一定程度上丢失整体商品访问趋势的问题, 提出一种新的基于全局有向图的商品会话序列推荐算法. 首先, 构建商品会话序列全局有向图, 图中节点为商品, 节点间的弧表示点击次序, 并用图数据库存储该有向图； 其次, 给出在有向图上的全局偏好传播策略, 同时考虑点击时间因素对推荐的重要影响； 最后, 获得待推荐商品的评分. 在Diginetica和Yoochoose标准数据集上, 该算法根据P@20标准, 比传统Item-KNN方法推荐准确率分别提升了6.12%和30.25%; 根据MRR@20标准, 则分别提升了15.04%和33.88%. 实验结果表明, 该全局有向图搜索和评分策略有效.     

知识图谱驱动的推荐方法及应用研究

在互联网高速发展的时代,网络数据呈爆炸性增长,准确高效获得自己所需的信息迫在眉睫,因此推荐系统显得越来越重要。但传统的推荐系统面临天然的稀疏性和冷启动的问题,限制了推荐系统的推荐质量。提出了一种基于知识图谱的推荐方法,在传统的推荐系统中融合了电影的知识,通过分析电影实体及实体之间的关系,完成了电影知识图谱的构建。采用图数据库构建了基于山西移动IPTV的知识图谱。实验结果表明,知识图谱驱动的推荐方法在召回率、准确率和覆盖率方面均有提升,从而为IPTV个性化推荐提供了方法支撑和技术保障,有效提升了用户触达率和准确率,提升了IPTV运营效果。     

防御诽谤攻击的间断连接无线网络数据转发机制

针对推荐信息的不确定性,提出一种可防御诽谤攻击的数据转发机制.利用交互列表的一致性探测出恶意推荐节点的数据伪造行为,进而针对推荐信息之间的差异性,利用离群点检测方法过滤错误推荐信息,以准确地评估节点之间的信任关系;同时,根据相遇节点与目的节点的相似度准确地选择中继节点实现数据高效转发.通过仿真对比分析可知,所提出的数据转发机制相比于其他典型算法能够有效抵御节点的恶意推荐信息,同时提升数据投递率.     

对惯性系的又一种表述

就惯性系在一般教科书上的表述与朗道《力学》中的表述进行了比较 ,证明了两种表述的一致性 .     

基于计算场的网格动态负载平衡算法

针对网格系统中存在的负载平衡问题,利用物理学中的场理论,提出了一种基于计算场的网格动态负载平衡机制.该机制利用节点远程势作为负载平衡时节点选择的标准,优先选择综合性能最好的节点进行负载迁移.实验结果表明,采用本算法后的系统负载平衡指数较低,响应时间较短.同时,算法考虑了节点间的通信关系,适应性更加广泛.     

面向知识图谱的多语言电子商务智能系统研究

面向知识图谱的多语言电子商务智能系统,是针对新丝绸之路经济带特定领域以汉语、藏语、蒙古语、维吾尔语、英语等多语言民族特色农产品电子商务的统一平台构建,在此基础上解决新丝绸之路经济带多语言关联的自然语言处理问题.通过绘制多语言知识图谱库并将其应用于多语言商品信息展示,同时结合知识图谱的多源知识关联来实现复杂数据分析及精准推荐,根据买家属性向用户智能推荐相关产品,实现基于深度学习的以汉语为核心的多语言智能分析推荐功能.     

一种融合关系抽取的推荐系统

针对现有基于内容的推荐方法中存在的知识利用不充分问题,提出了一种融合关系抽取的推荐系统,在用word2vec模型对物品知识进行编码的基础上,用补充模板特征的关系抽取模型对物品知识进行了更深层次的挖掘,构建了增强知识图谱,进而获得增强实体特征,与文本特征、基础实体特征融合后构建物品特征.实验证明,融合关系抽取的推荐系统推荐效果优于同类模型,并且各个部分的改进都是有效的.     

基于知识增强的深度新闻推荐网络

在新闻推荐场景下,传统的基于文本特征的新闻推荐模型只考虑了词的共现关系,无法捕获词语的隐含词义和关联知识;而基于深度学习的推荐模型在融合知识图谱信息中仅仅考虑实体的信息,忽略了远距离实体之间的联系,造成实体之间的关联信息和深层次语义联系的缺失.针对该问题提出了一种基于知识增强的深度新闻推荐网络（deep knowledge-enhanced network,DKEN）,利用长短期记忆网络提取知识图谱中的实体路径特征,补充到注意力网络中,然后针对不同的候选新闻动态地构建用户的特征.实验表明该实体路径信息能提高模型的效果,在F₁指标上提升大约1%.      

基于司法案例知识图谱的类案推荐

近年来,伴随着人工智能的发展及法院裁判文书的公开化,"智慧司法"、案例推荐成为热点问题.针对案例推荐中存在的推荐准确性差、传统知识图谱向量化表示精度不高等问题,提出基于知识图谱的案件推荐(Knowledge Graph based Case Recommendation,KGCR)模型.该模型以知识图谱为辅助信息,利用...     

基于DirectX的概念格三维重构研究

介绍了概念格图形研究的现状,分析了目前常用的分层图. 提出通过遍历概念格的各节点查看节点间的偏序关系来决定节点分布的概念格三维布局算法,并以此建立适当的Mesh对象来构造基于DirectX的三维概念格图形. 同时还描述了一种概念格三维重构机制,较好地解决了复杂概念格的三维可视化问题.     

基于异质图神经网络的推荐算法研究

基于图神经网络的推荐算法通过从图中获取知识,提高了推荐的可解释性.然而随着推荐系统网络数据规模的不断扩大,用户-项目评分矩阵呈现出稀疏性问题,图神经网络难以学习到高质量的网络节点特征,导致推荐质量下降.本文将图神经网络与异质信息网络相结合,提出一种基于异质图神经网络的推荐算法.该算法使用异质信息网络对多源异质数据进行联合解码,将注意力机制引入用户-项目交互网络和用户社交网络的用户、项目聚合表示过程,从而实现用户-项目交互和用户社交两类网络间的节点及拓扑结构特征的有效融合.两个公开数据集上的对比实验结果表明,本文提出的算法在不断稀疏化的数据集上的推荐误差比基线方法少40％.