图分类研究综述

图数据广泛存在于现实世界中,可以自然地表示复合对象及其元素之间的复杂关联.对图数据的分类是一个非常重要且极具挑战的问题,在生物/化学信息学等领域有许多关键应用,如分子属性判断,新药发现等.但目前尚缺乏对于图分类研究的完整综述.首先给出图分类问题的定义和该领域的挑战;然后梳理分析了两类图分类方法—基于图相似度计算的图分类...     

在线社会网络共演化的结构推断与预测

在线社会网络研究中,关系结构和交互结构的共演化机理是一个十分关键的核心问题,它反映了在线社会网络关系结构变化、行为模式演化及关系结构与交互结构演化的互影响情况,对于社会推荐、网络舆情预警和控制等都具有重要意义.大量交互信息的可见性和真实关系结构的不易见性,使得利用动态交互网络直接推断隐结构和预测未来结构成为当前研究热点,并成为揭示共演化机理的一种途径.从微观尺度对2种重要的社会网络：社会媒体和社交网络中的动态结构推断和预测的研究进展进行了综述.首先对在线社会网络共演化和结构推断及预测进行定义,并对其之间关系进行分析;然后对隐关系强度推断、类型推断、关系结构预测和交互行为预测的关键技术等进行综述和分析,最后对在线社会网络结构推断与预测研究的难点和发展趋势进行分析和展望.     

基于演化模式的推特话题流行度预测方法

针对以往流行度预测方法未利用演化模式之间的差异和忽略预测时效性的问题,提出了一种基于演化模式的推特话题流行度预测方法。首先,基于K?SC算法对大量历史话题的流行度序列进行聚类,并得到6类演化模式;然后,使用各类演化模式下的历史话题数据分别训练全连接网络（FCN）作为预测模型;最后,为选择待预测话题的预测模型,提出幅度对齐的动态时间规整（AADTW）算法来计算待预测话题的已知流行度序列与各演化模式的相似度,并选取相似度最高的演化模式的预测模型进行流行度预测。在根据已知前20 h的流行度预测后5 h的流行度的任务中,与差分整合移动平均自回归（ARIMA）方法以及使用单一的全连接网络进行预测的方法相比,所提方法的预测结果的平均绝对百分比误差（MAPE）分别降低了58.2%和31.0%。实验结果表明,基于演化模式得到的模型群相较于单一模型能更加准确地预测推特话题流行度。     

基于关键词注意力的细粒度面试评价方法

海量的在线面试视频数据为智能面试评价提供了重要的数据基础.随着目前全球疫情的蔓延,网络在线面试的需求程度上升,对智能面试评价工具的需求也随之上升.结构化面试中,面试官需要依据评价标准,观察面试者所做的回答,并形成面试者人格特性、沟通技能以及领导力等方面的画像评估,以此判断面试者的特质是否与应聘职位相匹配.其中人格特性评估是公司间广泛使用的一种评估方法,因为人格特性影响着人们的语言表达、人际交往等多个方面,是辅助面试官决策该面试者是否符合其应聘岗位需求的重要参考.基于此,提出了基于循环神经网络长短期记忆(long short term memory, LSTM)以及关键词-问题注意力机制的多层次(hierarchical keyword-question attention LSTM, HKQA-LSTM)细粒度面试评价方法,旨在针对面试者的不同人格特性维度进行打分,并据此得到综合面试得分.首先,通过引入关键词注意力机制有效筛选出面试对话中与人格特性密切相关的重要词句;然后,在此基础上采用了关键词-问题层次注意力机制和2阶段的模型学习机制,充分结合面试者表述文本的多尺度上下文特征,对人格特性进行准确预测;最后通过融合人格特性得到具有较高解释性的面试综合评价结果.基于真实面试场景数据的实验结果表明,该方法能有效地评价面试者的不同人格特性得分,并准确地预测面试者总体得分.     

预测信息传播中的转发选择

在信息传播中,用户在重复接收同一信息的情况下其转发行为会具有一定的倾向性。对这种转发的倾向性建模是影响力分析、传播动力学、社会推荐等一系列信息传播相关应用研究领域中的一个关键问题。本文假设用户的转发选择行为主要由用户间的人际影响力决定。人际影响力的大小由信息传播者的影响力和信息接收者的易感性共同作用。本文从真实的信息传播记录中推断出用户隐式的影响力和易感性,进而提出了一种转发选择模型。该模型能够有效解决目前方法存在的对转发选择行为建模不充分和模型泛化能力差的问题。本文选取典型的转发选择建模方法作为比较,将所提的转发选择模型在新浪微博数据上进行对比验证。实验表明,本文所提的模型在两种评价指标上均取得更好效果,证明了所提模型的有效性。     

基于用户相似性传递的跨平台交叉推荐算法

个性化推荐系统在电子商务领域中的广泛应用带来了巨大的经济效益和良好的用户体验。由于用户数据往往分布在多个不同的网站,单个网站的推荐系统受制于数据稀疏性的限制,难以获得准确的推荐效果。该文提出了一种基于传递相似性的交叉推荐系统算法,可以利用多个网站平台数据计算不同网站中的用户的相似度,从而很大程度上克服了推荐系统中的数据稀疏性以及冷启动问题。结果显示,该交叉推荐算法与传统的针对单个数据集的推荐算法相比,推荐的精确性有一至两倍的提高。     

标题与正文语义融合的新闻向量表示方法

针对新闻正文文本长度大、语义信息复杂的问题,提出了一种标题与正文语义融合的新闻向量表示方法（NRTA模型）。以新闻标题为查询,从正文的多个区域中挖掘标题的补充信息,关注前文语义的同时也关注后文语义,减少对新闻正文理解的偏差。在两个真实新闻推荐数据集MIND和Adressa上的实验表明,该方法较基线方法在各评价指标上的提升幅度在0.86%到3.95%之间,验证了正文后文语义信息的重要性,进一步丰富了新闻向量表示。     

基于相似消息的流行度预测方法

社交网络中消息的流行度预测问题在很多应用领域都有着重要意义。传统的流行度预测方法包括基于特征的方法和基于点过程的方法。基于点过程的方法无法利用历史消息的信息,而基于特征的方法则使用一个统一的模型来对所有的消息进行预测,没有考虑消息的特异性。因此,该文提出了一种基于相似消息的流行度预测方法。对于待预测微博,我们从历史消息选取出与之最相似的前K条消息来进行预测。在计算消息相似度时,我们借助了文档建模领域的LDA模型来学习消息的表示。在数据集上的实验结果表明,该方法可以有效发现在传播模式上与待预测消息相似的历史消息,并在流行度预测任务上取得了比对比模型更好的预测效果。     

用于水性车漆的受阻胺光稳定剂的合成及性能

设计、合成了一种受阻胺光稳定剂（HALS）TM-3。首先,三聚氯氰和N-丁基-2,2,6,6-四甲基-4-哌啶胺通过亲核取代反应合成了N-丁基-4,6-二氯-N-(2,2,6,6-四甲基-4-哌啶基)-1,3,5-三嗪-2-胺（中间体Ⅰ）;中间体Ⅰ再与N,N-双(2,2,6,6-四甲基-4-哌啶基)-1,6-己二胺反应生成了N2,N2’-(己烷-1,6-二基)双[N4-丁基-6-氯-N2,N4-双(2,2,6,6-四甲基哌啶-4-基)-1,3,5-三嗪-2,4-二胺]（中间体Ⅱ）;最后,中间体Ⅱ水解生成目标化合物6,6’-{己烷-1,6-二基双[(2,2,6,6-四甲基哌啶-4-基)氮二基]}双{4-[丁基(2,2,6,6-四甲基哌啶-4-基)氨基]-1,3,5-三嗪-2-醇}（TM-3）。采用1HNMR、13CNMR、HRMS表征了TM-3的结构,通过UV-Vis、TGA考察了其性能,比较了TM-3和双(2,2,6,6-四甲基-4-哌啶基)癸二酸酯（HALS770）在汽车清漆涂料中的光稳定性。结果表明,TM-3在210nm处具有强烈的UV-Vis吸收;热稳定性能良好,在400℃以前能...