【摘 要】
：
多元关系存在于各种领域中,可以给人类探索这些领域提供有效的帮助。例如医药领域中的生物反应关系可以帮助人们寻找对抗疾病的药物,检测社交网络中的虚假新闻传播关系可以帮助人们避免流言和欺诈。然而目前大多数的深度图学习算法专注于使用二元关系对图进行表征,或是将多元关系拆解成多个二元关系来考虑。使得表示学习结果遗漏或是完全缺少多元关系信息,得出错误的结果或是影响模型的效果。为了解决以上的问题,本文设计并研究
论文部分内容阅读
多元关系存在于各种领域中,可以给人类探索这些领域提供有效的帮助。例如医药领域中的生物反应关系可以帮助人们寻找对抗疾病的药物,检测社交网络中的虚假新闻传播关系可以帮助人们避免流言和欺诈。然而目前大多数的深度图学习算法专注于使用二元关系对图进行表征,或是将多元关系拆解成多个二元关系来考虑。使得表示学习结果遗漏或是完全缺少多元关系信息,得出错误的结果或是影响模型的效果。为了解决以上的问题,本文设计并研究了融合多元关系的深度图学习算法。在第一个工作中,提出了基于多元关系的知识图谱表示学习模型LORE,该模型使用网络模体对知识图谱中的多元关系进行建模,同时对多元关系特征和实体本身的属性特征进行表征,通过三种不同的聚合方式对两种特征进行聚合,最终得到实体的嵌入结果。在实验部分,在实体分类和链路预测任务上验证了模型的效果。结果表明,LORE的表现优于基准算法。除此之外,本文还验证了使用网络模体对多元关系进行建模的有效性。在第二个工作中,提出了基于多元关系的虚假评论者群体检测模型ALERT。该算法在注意力层上融合了多元关系系数,控制节点的结构信息和多元关系信息的融合。不同于其他算法,ALERT在训练过程中执行检测算法,使用图同构损失和检测损失联合监督模型的学习,解决了目前群体虚假评论者群体检测算法上表示学习方法和检测方法解耦的问题。在实验部分,使用Amazon数据集与其他基准算法进行对比,结果表明ALERT有着最优的性能。
其他文献
车轴作为轨道车辆的主要载重和运行部件之一,在长期高负荷的运转状态下相较于其他零部件更容易产生故障。因此,如何有效地对车轴的健康状况进行诊断,从而避免车轴故障带来的损失有着重大的意义。当前,现有的车轴故障诊断方法存在一系列问题,本文以声发射信号为研究对象,提出了一类基于迁移学习的车轴故障诊断方法,实现了对车轴故障特征的有效提取和准确识别。本文的主要工作如下:（1）针对原始的一维声发射信号存在的特征提
目的：探讨中医医院病案有效利用的统计与分析。方法：收集2018年1月-2019年12月我院病案室的病案78046份，对使用类别进行分类汇总，同时分析院内院外使用构成比情况。分析病案内外使用情况、内部使用情况、外部使用情况。结果 出院病案数、院内利用数均呈逐年增长趋势，2019年出院病案数、院内利用数均多于2018年（P ＜0.05）；案例统计、医疗管理的比例多于其他类型（P ＜0.05）；院外患者
随着5G通信技术的蓬勃发展,人工智能和物联网技术与其相互融合,交织出许多新型的智能应用,移动边缘计算（MEC）被提出来解决智能应用的时延问题。但是大量的设备接入会造成MEC的繁忙,而基于MEC架构的Device-to-Device（D2D）协同方案可以利用用户附近的空闲资源设备计算任务,该协同方案能够减轻MEC的压力,并提高空闲设备的利用率。首先,本文提出了考虑失效的D2D卸载系统中收益最大化的卸
随着大数据时代的到来,决策领域有了新的机遇和挑战。数据是决策系统能否做出合理决策的重要支撑。决策环境的复杂多变和获取专业领域知识的高昂代价制约着决策系统的发展。同时海量的数据也推动着知识图谱的飞速发展,知识图谱以其强大的表示检索和推理能力和在诸多领域得到了广泛的应用,图谱的特性对于辅助决策来说非常契合,但是图谱本身缺乏认知推理的能力。基于上述问题,提出了一种基于知识图谱的新型辅助决策系统。通过结合
飞行器是指可以在太空或者大气层内飞行的人造器械,主要可以分为三类:航空器、航天器、火箭和导弹。飞行器产品的技术含量高、集成度高、研发成本高;因此,现代应用环境愈加需要飞行器产品在满足高性能指标要求的前提下,能够进行针对气动外形的快速设计和智能优化,以期在最快实现最佳气动性能的同时,尽可能地降低研发成本。为开展高性能指标要求下的飞行器气动外形的快速设计和优化研究,可采用数值模拟反馈构型优化的思路,首
目的 探讨去甲肾上腺素（NE）联合多巴酚丁胺用于脓毒性休克的效果，并分析其对患者血流动力学的影响，为临床提供参考。方法 选取2020年1月至2021年1月万宁市人民医院收治的84例脓毒性休克患者为研究对象，按照随机数字表法分为对照组和观察组，各42例。对照组患者经中心静脉泵入多巴酚丁胺，观察组患者在对照组基础上加用NE。比较两组患者的治疗效果和不良反应，比较两组患者治疗前后的急性生理学与慢性健康状
随着军事科技的不断进步,人工智能技术已经出现在不少国家的军事装备领域,特别是在防空领域,随着各种超高音速装备的不断出现,对指挥员根据战场形势快速决策的能力有非常高的要求,未来战争中人脑很可能不足胜任此类工作,而人工智能技术以其庞大的算力可以很好的应对大规模数据分析工作,因此考虑在该领域采用AI技术做一些探索。由于该场景的特殊性,我们无法获取更多的战场数据,但是虚拟塔防游戏以其特殊的游戏机制,高度契
场景流是定义在连续场景间的3D运动场,快速而准确的估计场景流可以得到连续场景间的运动信息,对机器人技术和自动驾驶任务有重要的意义。点云场景流估计的传统方法一直有耗时长、准确度不够的问题,而基于深度学习的点云场景流估计方法表现出更加出色的性能。在该领域的探索中,从连续点云中回归出场景流依然存在很多挑战。本文简单的将场景流任务分为匹配和回归两个过程,在匹配过程中的问题包含如何增大匹配范围、提高匹配准确
目的 对心源性休克采用去甲肾上腺素与多巴酚丁胺联合治疗的效果进行观察。方法 选取本院82例心源性休克患者，时间2020年3月至2021年3月，根据随机抽签法将患者分为对照组（41例，多巴酚丁胺）与观察组（41例，多巴酚丁胺+去甲肾上腺素），对两组疗效、不良反应等指标进行比较。结果 观察组疗效（95.12%），明显较对照组（73.17%）高，差异有统计学意义（P＜0.05）；两组不良反应发生情况比较
随着高校毕业生就业难问题越发突出,如何有效地预测毕业生的就业情况越来越受到大学生和就业指导部门的关注。更好地引导高校毕业生选择合适的就业发展方向,不仅是对我国人才资源的有效利用,也是对我国教育事业的一大推动。在当前的就业预测中,学习成绩作为关键特征,在就业预测中起着决定性作用。而大多数研究主要使用平均学分绩点（GPA）和自编码器来表示学习成绩,这两种方法可以很好的解决成绩的异质性和成绩矩阵的稀疏性