基于自编码器及超图学习的多标签特征提取

在实际应用场景中越来越多的数据具有多标签的特性,且特征维度较高,包含大量冗余信息.为提高多标签数据挖掘的效率,多标签特征提取已经成为当前研究的热点.本文采用去噪自编码器获取多标签数据特征空间的鲁棒表达,在此基础上结合超图学习理论,融合多个标签对样本间几何关系的影响以提升特征提取的性能,构建多标签数据样本间几何关系所对应超图的Laplacian矩阵,并通过Laplacian矩阵的特征值分解得到低维投影空间.实验结果证明了本文所提出的算法在分类性能上是有效可行的.     

基于最大边缘相关的伪相关反馈方法

反馈文档的质量是制约伪相关反馈方法性能的主要因素.为了提高反馈文档的鲁棒性,提出一种基于最大边缘相关的伪相关反馈方法RMMR(Reorder Maximal Marginal Relevance).该方法通过对查询初检结果进行重调序,使得排序后的前k个文档中,文档间的相似度最小且与查询相关的数目最大.最后,利用查询纯度将影响性能的候选扩展词剔除后进行二次查询.实验结果表明,该方法可以有效地提高反馈文档的鲁棒性.     

基于超图的文本摘要与关键词协同抽取研究

Text summarization and keyword extraction are two important research topics in Natural Language Processing (NLP), and they both generate concise information to describe the gist of text. Although these two tasks have similar objective, they are usually studied independently and their association is less considered. Based on the graph-based ranking methods, some collaborative extraction methods have been proposed, capturing the associations between sentences, between words and between the sentence and the word. Though they generate both text summary and keywords in an iterative reinforced framework, most existing models are limited to express various kinds of binary relations between sentences and words, ignoring a number of potential important high-order relationships among different text units. In this paper, we propose a new collaborative extraction method based on hypergraph. In this method, sentences are modeled as hyperedges and words are modeled as vertices to build a hypergraph, and then the summary and keywords are generated by taking advantage of higher order information from sentences and words under the unified hypergraph. Experiments on the Weibo-oriented Chinese news summarization task in NLPCC 2015 demonstrate that the proposed method is feasible and effective.
Key words hypergraph;document Summarization;keyword extraction;collaborative extraction


     

A unified framework of image latent feature learning on Sina microblog

Large-scale user-contributed images with texts are rapidly increasing on the social media websites, such as Sina microblog. However, the noise and incomplete correspondence between the images and the texts give rise to the difficulty in precise image retrieval and ranking. In this paper, a hypergraph-based learning framework is proposed for image ranking, which simultaneously utilizes visual feature, textual content and social link information to estimate the relevance between images. Representing each image as a vertex in the hypergraph, complex relationship between images can be reflected exactly. Then updating the weight of hyperedges throughout the hypergraph learning process, the effect of different edges can be adaptively modulated in the constructed hypergraph. Furthermore, the popularity degree of the image is employed to re-rank the retrieval results. Comparative experiments on a large-scale Sina microblog data-set demonstrate the effectiveness of the proposed approach.     

基于超图表示的服装兼容性预测模型

针对现有服装兼容性模型都集中探究成对单品之间的兼容性这一问题,提出一种基于超图表示的服装兼容性预测模型。该模型首先基于现有数据集中时尚服装的不同类别和时尚服装间的搭配关系构建了一个服装超图,其中每个节点表示一件衣服,每条超边表示多件衣服组成的套装。为了更好地从超图中推断服装的兼容性,该模型将超图转换为传统图,并利用图神经网络模拟节点之间的复杂交互。最后引入注意力机制计算服装的兼容性得分,增强模型的预测能力。实验结果表明,在服装填空任务和服装兼容性预测两个服装搭配任务上,该模型分别达到了77.29%和96.23%的准确率,较其他基线模型有显著的提升。     

基于超图网络的产品设计知识智能推荐方法研究

面向产品设计的知识管理系统中,为了提高知识库中海量设计知识推荐的效率和效果,从产品结构知识、过程知识以及知识标识三个维度构建了设计知识文档超图网络,利用hyper2vec技术建立了知识表示模型,生成了知识特征向量库。采用用户行为信息,提出了基于超边序列的Markov知识推荐模型,预测候选知识文档。通过知识特征向量相似度扩充候选集,建立个性化用户兴趣模型对候选推荐集进行过滤和排序。在冷镦机专利的知识服务系统中进行应用验证,实验表明该推荐方法在推荐准确度和多样性方面有着良好的效果,验证了其可行性和有效性。     

融合超图注意力机制与图卷积网络的信息扩散预测

针对传统的信息预测缺乏对用户全局性依赖挖掘进行研究,提出了一种融合超图注意力机制与图卷积网络的信息扩散预测模型(HGACN)。首先构建用户社交关系子图,采样获得子级联序列,输入图卷积神经网络学习用户社交关系结构特征;其次,综合考虑用户间和级联间的全局依赖,采用超图注意机制(HGAT)学习用户不同时间间隔的交互特征;最后,将学习到的用户表示捕获到嵌入模块,利用门控机制将其融合获得更具表现力的用户表示,利用带掩码的多头注意力机制进行信息预测。在Twitter等五个数据集上的实验结果表明,提出的HGACN模型在hits@N提高了4.4%,map@N提高了2.2%,都显著优于已有的MS-HGAT等扩散预测模型,证明HGACN模型是合理、有效的。这对谣言监测以及恶意账户的检测有非常重大的意义。     

混洗交换网络中最小无冲突路由分组的生成方法

为了解决混洗交换网络中冲突路由的分组问题,定义了路由的无冲突极大组、最小无冲突分组、特征函数及覆盖函数等概念,并基于这些概念提出了应用布尔代数计算最小无冲突分组的理论和方法。同时,为提高冲突路由分组的效率,提出了计算最小无冲突分组的近似算法。理论分析和实验表明,近似算法不仅具有良好的时间性能,而且具有较高的准确度,它为在大规模信息交换中实施分批路由策略提供了强有力的支撑。     

一类超图存取结构的秘密共享方案的信息率

针对参与者人数为6的一类超图存取结构的完善秘密共享方案及其最优信息率进行了研究。利用这些存取结构与超图之间的关系, 给出了其对应的95种超图存取结构。对其中的57种超图存取结构运用理想超星判定定理等计算了它们最优信息率的精确值, 并给出了达到此信息率的秘密共享方案的具体构造方法; 对余下的38种超图存取结构运用λ-分解方法等给出了它们最优信息率的上下界。同时证明了具有n个顶点且秩为r的超星和超路径, 其超边数至多为n-r+1条; 并从理论上证明了顶点可约超图的最优信息率为1。