基于多层注意力表示的音乐推荐模型

目前的音乐推荐方法只能挖掘用户与歌曲之间的一般性关系,无法区分不同用户对同一首歌曲的差异性偏好.为此,本文提出了基于多层注意力表示的音乐推荐模型,利用用户属性信息和歌曲内容信息从多维度学习歌曲表征,挖掘用户与歌曲之间的偏好关系.为了区分用户对歌曲多域特征的差异性偏好,设计了用户特征依赖的注意力网络;为了区分不同历史行为对用户偏好的差异性,挖掘用户行为的时序依赖关系,设计了歌曲依赖的注意力网络.最后,利用Softmax函数计算用户对候选歌曲的偏好分布并产生推荐.在30Music和MIGU数据集上的实验结果表明,相比目前的推荐模型,本文提出的模型在Recall和MRR均得到了显著提升.     

基于特征依赖图的源代码漏洞检测方法

针对现有源代码漏洞检测方法未显式维护源代码中与漏洞相关的语义信息，导致漏洞语句特征提取困难和漏洞检测误报率高的问题，提出一种基于特征依赖图的源代码漏洞检测方法。首先，提取函数片中的候选漏洞语句，通过分析候选漏洞语句的控制依赖链和数据依赖链，生成特征依赖图。其次，使用词向量模型生成特征依赖图的节点初始表示向量。最后，构建一种面向特征依赖图的漏洞检测神经网络，由图学习网络学习特征依赖图的异构邻居节点信息，由检测网络提取全局特征并进行漏洞检测。实验结果表明，所提方法的召回率、F1分数分别提高1.50%～22.32%、1.86%～16.69%，优于现有方法。     

联合全局与局部外观特征的无人机行人属性识别

针对无人机航拍图像下行人属性识别任务特征提取效率低问题,提出一种联合全局与局部外观特征学习的行人属性识别算法。首先为了提升算法的局部区域定位能力,提出一种新颖的基于注意力的属性定位模块,模块通过矩阵乘法来建模不同通道间的空间依赖关系,并利用全局平均池化产生的特征进一步增强提取到的局部区域信息,实现了更好的局部特征表达能力;其次,为了防止生成的局部区域信息出现冗余,设计一种注意力多样性损失,通过最小化特征通道的相似性来约束各个局部区域互不重叠;最后,在两个公开的行人属性识别数据集上的实验结果表明,上述设计可以有效提高属性识别准确率并且参数量仅轻微增加。     

一种面向自组织麦克风网络的多通道多人语音分离方法

针对自组织麦克风网络,如何充分有效地利用多通道语音数据获得更好的语音分离性能是一个难题。本文介绍了一种新的多通道语音分离方法,通过引入压缩激励脊髓模块,在麦克风位置未知时,也能显式地学习潜在的通道关系,自适应地更新各个通道对应特征的权重,以增加少量的额外计算代价达到增强语音分离的效果。压缩激励脊髓模块通过将多通道的特征信息压缩到通道维度,获得全局通道依赖关系的表征,利用激活函数根据通道关系表征对瓶颈单元筛选出有价值的特征信息。瓶颈单元由脊髓网络组成,通过逐步输入的方式生成全局信息和重新配置权重,更有效地处理数据。本文在基于LibriSpeech仿真的多通道版本数据中进行实验,在评估指标SDR和SI-SDR上相比于单通道基线获得了明显的提升,并取得超越最先进的自组织麦克风多通道方法的效果。      

基于树状结构的语义相似度计算方法分析

文中提出了基于树状结构的语义相似度计算方法.结合概念节点之间的语义关系、语义距离、概念节点的深度、密度对语义相似度的影响,利用树的层次关系来表达概念节点之间的语义信息,并对概念节点密度的计算进行改进,加入了可调节的参数,以适应不同的情景.通过实验验证了该算法在查准率方面具有较强的优越性.     

基于加权内容-结构网络和随机游走的社团划分算法

针对传统模块优化社团划分算法仅能利用网络的结构信息,而无法利用同样丰富的内容信息,导致划分精度较低的问题,提出一种结合内容属性并通过给连边加权来全面优化网络拓扑结构的社团划分算法CCSRW（Classification with Content-Structure and Random Walk）.设计利用随机游走理论计算结构节点与内容节点间的相似性关系矩阵,并将结构节点映射到内容属性空间上,最终把社团划分问题转化为多维无监督聚类问题.通过在真实数据集上进行的全面实验分析,展示了相比于传统社团划分算法,本文的算法能更准确的描述网络结构,显著提高划分性能,并有效解决小社团不敏感问题,更适用于大规模复杂信息网络的社团划分.     

全局关系注意力引导场景约束的高分辨率遥感影像目标检测

高分辨率遥感影像中地物目标往往与所处场景类别息息相关,如能充分利用场景对地物目标的约束信息,有望进一步提升目标检测性能。考虑到场景信息和地物目标之间的关联关系,提出全局关系注意力(RGA)引导场景约束的高分辨率遥感影像目标检测方法。首先在多尺度特征融合检测器的基础网络之后,加入全局关系注意力学习全局场景特征;然后以学到的全局场景特征作为约束,结合方向响应卷积模块和多尺度特征模块进行目标预测;最后利用两个损失函数联合优化网络实现目标检测。在NWPU VHR-10数据集上进行了4组实验,在场景信息约束的条件下取得了更好的目标检测性能。     

社区环境下基于节点交互和主题的影响力计算模型

为解决现有算法对社交网络节点影响力计算准确度不高的问题，本文整合节点不同维度信息，综合考虑节点在多个主题社区上的主题分布向量，提出一种新的节点影响力计算模型.模型首先将主题相关性作为先验信息；然后利用混合隶属度随机块（Mixed Membership Stochastic Block）模型表达节点间的交互关系，用主题模型学习主题内容；最后结合全局拓扑关系迭代计算节点的全局影响力.本文选取社交网络数据，以P@N、MAP等作为评价指标同现有主流算法进行比较.实验结果显示，本文算法有效提升了影响力节点识别的准确度和排名的有效性.     

XML不完全信息树下的完全函数依赖弱保持

在DTD模型下,在XML信息树中引入了不完全信息,形成一棵不完全信息树。文中以不完全信息树为基础定义了树中节点之间的关系：节点值等价和节点值相容。并在此基础上定义了函数依赖的强保持条件、完全函数依赖弱保持。给出了给定函数依赖集判断完全函数依赖弱保持的算法及满足完全函数依赖弱保持时,当树确定化后成为完全信息树下函数依赖的可能性的证明。     

基于严格可控理论的社交网络信息传播控制方法

社交网络信息传播控制通过在合适的时机选择最佳的控制点,以较小的代价实现对大部分甚至整个网络的信息传播控制。社交网络用户间的弱关系往往具有信息需求互补、行为取向不断同化的特点,使其在信息扩散过程中有着不可忽视甚至爆发式的传播作用。针对这一问题,考虑社交网络强弱关系对信息传播的影响,该文提出一种基于严格可控理论的信息传播控制方法。首先,针对强关系对信息传播的影响,提取用户间的亲密度、权威性以及互动频率3个影响因素,构建强度关系网络。其次,考虑到信息传播中的弱关系特性,对网络中具有潜在价值的弱关系进行识别,并对强度关系网络中的连边权值加以更新。最后,利用严格可控理论找出网络中的驱动节点组,并根据信息传播的特征选取驱动节点集,对信息传播进行控制。实验结果表明,该文所提传播控制方法能对信息传播的促进或抑制进行有效控制,为社交网络信息传播控制提供新的方法和思路。