结合关系路径与有向子图推理的链接预测方法

针对基于归纳关系预测的知识图谱补全方法,现有的方法仅限于直推式推理,训练期间必须知道全部的实体集合。提出一种基于图神经网络的关系预测方法。首先提取图神经网络的局部有向子图进行推理,其次引入一个用于归纳关系推理的节点-边双向信息传递机制,以加强节点和边之间的信息交流并有效处理三元组中的非对称关系。鉴于实体之间不同的连接路径揭示了其关系的本质并有助于预测推理,因此考虑两个实体之间的关系路径,用适用于归纳式推理的关系类型表示其路径,定义了边嵌入的注意力公式,对在训练集中没有见过的实体进行关系预测。在适用于归纳推理方法的常用基准数据集上的实验结果表明,该方法相比基线模型提高了三元组的预测精度。     

自顶向下优化神经网络的方法

介绍了一种自动优化神经网络的新启迪方法.这种启迪方法综合采用了快速自顶向下优化神经网络结构算法、动态优化学习参数算法和快速交叉校验算法.首先,快速自顶向下优化神经网络结构算法自动地优化神经网络结构;其次,动态优化学习参数算法动态地调整学习参数和选取优化的学习参数;随后,快速交叉校验算法的引入能有效地防止过度适应问题.实验结果显示,这种启迪方法与其它算法相比,具有更强的归纳性能、优化的网络结构和更快的学习速度.     

多关系数据挖掘研究综述

多关系数据挖掘是近年来快速发展的重要的数据挖掘领域之一。传统的数据挖掘方法只能完成单一关系中的模式发现,多关系数据挖掘能够从复杂结构化数据中发现涉及多个关系的复杂模式。该文综述了多关系数据挖掘的研究状况。首先分析了多关系数据挖掘领域发生的原因和背景,其次总结了多关系数据挖掘研究的一般方法,然后介绍、分析了最具代表性的多关系数据挖掘算法。最后,总结了多关系数据挖掘将来发展需重点解决的问题和面临的挑战。     

关于用户兴趣度的判定树算法的优化

判定树学习有很多算法,着重研究对引入用户兴趣度参数的ID3算法在面对多值属性时的快速分类的优化,提高计算速度,节约计算时间。     

E1级中／高密度纤维板吸水厚度膨胀率偏高的原因及其解决方案

通过对构成中(高)密度纤维板的三种主要原材料一木质纤维、热固性合成树脂和防水剂一的化学成分、形态结构和主要性质，以及三种原材料之间的相互作用关系和加工工艺进行研究分析，应用高分子材料吸胀理论，揭示中(高)密度纤维板吸水厚度膨胀的主要机理。在此基础上归纳总结E1级中(高)密度纤维板吸水厚度膨胀偏高的主要原因，并就如何降低其吸水厚度膨胀率提出一些解决方案。     

新都桂湖水系演变及特点研究

鉴于历史地图自身信息的模糊性,采用历史地图解译法对桂湖水系相关的历史地图进行解译绘制,通过解译图纸能较为清楚展示桂湖水系的演变过程,进而相对客观地总结其水系的演变特点。从城市水系与园林水源、水系周边建筑营建、水系空间形态划分3个方面,按照隋唐、宋代、明清、近代、现代的时间段对桂湖水系的演变过程进行梳理,并从新都城市水系与桂湖园林水系的关系、水系周边建筑功能及附属空间属性的变化、水系形态的艺术划分3方面归纳总结水系演变特点: 1）新都城市水系与桂湖园林水系在形态结构联系上呈现出完整、完善、破坏、重建4个阶段,桂湖园林水系与新都城市水系在水系体系构成上经历融合、维持、撤离、融入4个阶段的变化。2）水系周边建筑功能经纪念性萌芽、公共性增强、纪念性强化、纪念性精炼的变化,其建筑附属空间布局经历游赏性空间错列分布、公共性空间沿岸排布、纪念性空间中心贯穿、纪念性空间核心主导的4个阶段,使得桂湖从以游玩聚会为主的驿站园林变为以纪念为主的公共园林。3）桂湖水系的形态结构划分呈一池三岛“粗”分、五岛两堤“概”分、五岛两堤“密”分与五岛两堤“旷”分的演变特点。     

多关系频繁模式发现研究

频繁模式发现是数据挖掘的重要任务之一。现实数据通常存储于由多个关系组成的关系数据库中。传统的频繁模式发现方法只能直接完成单一关系中的模式发现,如果要完成多关系数据的挖掘,会产生操作复杂性和信息丢失等问题。多关系数据挖掘是当前数据挖掘研究中快速发展的重要领域之一。多关系频繁模式发现方法能够直接从复杂结构化数据中发现涉及多个关系的复杂频繁模式,避免了传统方法的局限。本文首先归纳多关系频繁模式发现方法的发生历史背景,其次分析总结多关系频繁模式发现方法,最后提出了多关系频繁模式发现将来发展需重点解决的问题和面临的挑战。     

多关系关联规则算法综述

多关系数据挖掘是借鉴ILP技术,并结合机器学习方法所提出的数据挖掘新课题。多关系关联规则是多关系方法在概念描述任务中最具代表性的研究方向之一,此类方法在发挥多关系方法的模式表达能力与利用背景知识能力的同时,借鉴成熟的关联规则方法的思想与优化策略,取得了较高的性能与表达复杂模式的能力,同时在面向复杂结构数据的应用中获得了较好的效果。在简述多关系方法的基础上,通过分析与比较目前具有代表性的多关系关联规则算法,总结了各算法的优势与不足,并指出了该领域目前的主要热点问题。     

基于切平面的主题提取算法

从语义相关性角度分析超链归纳主题搜索（HITS）算法,发现其产生主题漂移的原因在于页面被投影到错误的语义基上,因此引入局部密集因子LDF（Local Density Factor）的概念。为了解决Web内容的重叠性,基于切平面的概念提出了一种新的主题提取算法（CPTDA）。CPTDA不但可以发现用户最感兴趣的主题页面集合,还可以发现与查询相关的其他页面集合。在10个查询上的实验结果表明,与HITS算法相比,CPTDA算法不仅可以减少30%-52%的主题漂移率,而且可以发现与查询相关的多个主题。     

对称*-λ-半环

Kleene代数在计算机科学中具有基础而特殊的重要性。在计算机工程应用中,Kleene代数及相关*-半环已被成功应用于基础安全分析、底层程序变换以及并行控制等许多领域。论文给出了对称*-λ-半环的定义及其等价刻画,并指出对称*-λ-半环是Kleene代数概念的推广。