课程文献中心 更多>>

关键词： 事件因果关系抽取   深度学习   图网络   大语言模型   注意力机制  

摘要： 为了提高文档级事件因果关系识别的准确率，首先利用大语言模型所包含的隐性知识，从文档中筛选出与目标事件相关的其他事件，构建事件候选集。其次将事件候选集组合成事件关系全连接图，并对其进行条件约束，通过条件约束将事件关系全连接图简化为事件关系约束图，减少图中无关事件的噪声传递。最后以自注意力机制计算图网络中任一节点对其他节点的影响，并利用带有焦点损失的二分类损失函数训练模型，进一步缓解了因果关系识别中的假阳性问题。研究结果表明:模型在事件因果关系识别任务中，Causal-TimeBank数据集句内事件对因果识别的精确率达到了77.3%；EventStoryLine数据集句内事件对因果识别的精确率达到了75.2%，句间事件对识别的F1-score达到了60.6%，文档级事件对识别的F1-score达到了59.6%。

关键词： 图计算   图摘要   图压缩   图简化  

摘要： 随着计算资源的进步，越来越多的现实世界数据以图的形式存储在计算机中。然而，直接处理大规模图所需的时间和资源成本不断攀升。有损图摘要技术在确保保留图的整体结构和主要属性的前提下，对图进行精炼和删减，从而生成一个近似输入图的紧凑表示，来获得较小存储需求和更高计算效率。然而，已有的工作通常面临计算效率与摘要质量的不平衡，或缺乏节点属性的纳入。为了解决这些问题，本研究提出了一种基于迭代最小哈希局部敏感哈希（MinHash Locality-Sensitive Hashing， MinHash-LSH）的有损图摘要方法：IMLS（Iteration MinHash-LSH Lossy Graph Summarization Method）。方法通过引入结合属性权重的得分函数评估节点合并收益，迭代的合并节点对，生成一个限制节点数量的摘要图，旨在最大限度地减少重构误差与存储大小，同时最大限度地提高节点同质性。实验结果表明，IMLS在压缩比相似的情况下，运行时间比同类方法快约51.3倍，且能够生成重构误差低约12.3倍的摘要图。此外，IMLS方法具有线性可扩展性，适用于大规模图，并且通过控制属性权重参数，能够确保生成的摘要图具有可控的节点同质性。

关键词： 三维CAD模型   STEP文件   属性图   图神经网络   分类与检索  

摘要： 针对现有三维CAD模型分类与检索算法的局限性，提出了一种基于属性图的改进方法。该方法在STEP文件B-rep表示的基础上，结合工程语义信息构建通用属性图，并基于此设计了一种自注意力分层池化网络。通过改进SAGPool图池化层，增强了模型对节点重要性评估的能力，同时引入注意力机制提取全局特征表示。实验结果表明，在分类任务中，该方法优于基线算法，在TraceParts数据集和FabWave数据集上分别达到了100%和96.3%的分类准确率。此外，利用分类网络的Softmax层输出特征进行检索任务，两个数据集的平均检索精度分别为0.988和0.918，充分证明了该方法在分类与检索任务中的有效性。

摘要： 1970年,长征一号运载火箭腾空而起,划破苍穹,成功将东方红一号卫星送入预定轨道,奏响了中国太空探索的先声.这是我国航天事业从无到有的重大突破,标志着中国成为世界上第五个独立研制并发射卫星的国家.为了让大家更直观地了解它们的构造奥秘以及精妙设计,我们为大家带来了这样一幅剖视简图.

关键词： 分数因子   孤立韧度   分数(a,b,m)-覆盖图  

摘要： 若对任意满足|H|=m的H?E(G),存在分数[a,b]-因子(对应分数示性函数为h)使得h(e)=1对任意e∈H成立,则称图G称为分数(a,b,m)-覆盖图.本文给出分数(a,b,m)-覆盖图的孤立韧度及孤立韧度变种界,并通过反例说明该界是紧的.

关键词： 复杂网络   重要节点排序   图神经网络   图注意力机制  

摘要： 在复杂网络中，重要节点排序可以找出网络中的核心节点和关键节点，对控制发生在复杂网络上的传播过程有着重要的作用。目前已有许多重要节点排序的研究工作，但如何高效全面地利用节点信息提取特征，进而评估节点重要性仍需进一步探索。结合节点的局部信息和全局信息，提出一种基于图神经网络的重要节点排序方法。该方法首先利用度、节点间最短距离和k-shell值捕获节点的局部信息和全局信息，其次在获取到节点信息后，利用图注意力机制对邻居节点特征进行聚合并学习节点的表示向量，最后通过全连接层计算节点的重要性。在真实网络数据集上进行实验，采用单调性指数和肯德尔系数来验证提出方法的有效性。实验结果表明，在不同的网络结构中，该模型均能有效地对网络中节点进行排序。

关键词： 虚假新闻检测   图同构网络   多模态   Fake News Detection   Graph Isomorphism Networks   Multimodal  

摘要： 多模态虚假新闻检测是指通过整合来自多个模态的信息，识别和分类虚假新闻的一种技术。本文基于当前虚假新闻通常涵盖文本、图像以及复杂的社会关系等多重信息，且现有模型处理社交上下文信息结构信息捕捉严重不足，本文提出基于图同构网络的多模态虚假新闻检测框架(Graph Isomorphism Networks Fake News Detection, GIN_FND)，通过提取新闻中文本、图像和社交上下文信息等多模态信息，基于图同构网络提取社交信息的方式有效捕捉社交图节点的局部依赖和全局关联，有效提升模型检测准确性和鲁棒性。在公开数据集上对本模型进行的系统评估表明本文方法的有效性。

关键词： 隐私集合交集   云辅助   资源受限   同态加密   秘密分享   Private Set Intersection   Cloud-Assisted   Resource-Constrained   Homomorphic Encryption   Secret Sharing  

摘要： 隐私集合交集(Private Set Intersection, PSI)协议是一种具有重要实际意义的安全多方计算协议，广泛应用于多方私有输入集合求交集的场景。阈值多方PSI协议作为PSI协议的一种灵活形式，能够适应更多复杂场景。本文给出了一种一次的云辅助阈值多方PSI模型(Cloud-assisted Threshold Multi-party Private Set Intersection, CTMPSI)，旨在优化发送方在资源受限场景下的性能。该协议通过引入云服务器辅助计算，显著降低了发送方的计算和通信开销，同时在半诚实模型下确保了输入集合元素的隐私性。此外，CTMPSI实现了发送方上传加密数据后即可离线的功能，进一步提升了协议的实用性。本文详细描述了CTMPSI协议的设计框架和性能评估。实验结果表明，在不平衡输入集合场景中，CTMPSI协议相较于现有的多方PSI协议，在性能上取得了显著提升。该协议为资源受限场景下的阈值多方PSI应用提供了高效且安全的解决方案，具有重要的理论价值和实际意义。

关键词： 有源配电网   分布式电源   故障恢复   图注意力网络   柔性策略-评价   无效动作掩盖  

摘要： 配电网的拓扑结构变动频繁，负荷水平和分布式电源 (distributed generator， DG)出力的不确定性使得运行场景愈加复杂多变。基于此，提出了一种基于图深度强化学习的有源配电网故障恢复方法。首先，考虑DG与负荷的时变性，构建起基于图注意力网络(graph attention network， GAT)与柔性策略-评价(soft actor-critic， SAC)算法相结合的配电网故障恢复框架，介绍故障恢复方法及其算法原理。然后，建立面向配电网故障恢复的图深度强化学习模型，通过将GAT嵌入到SAC算法的前置神经网络来提高智能体对配电网运行状态和拓扑结构的感知能力，并创新性地引入无效动作掩盖机制以规避非法动作，通过智能体与环境进行交互，寻找最优开关动作控制策略，实现高渗透率DG接入下的故障恢复趋优学习。最后，在IEEE33节点和148节点算例进行验证，并与多种基线方法进行对比测试，所提方法可以实现最快厘秒级故障恢复，具有更加高效优越的恢复效果，在拓扑变动下的负荷供电率相较于基准模型提升了4%～5%。

关键词： p-拉普拉斯方程   局部有限图   局部环绕  

摘要： 设G=（V, E）是一个局部有限图.Ω?V是一个连通的有限子集.本文考虑以下非线性狄利克雷问题 {-△pu（x） = f（x, u）, in Ω,u（x）=0, on ?Ω,其中△p表示p-拉普拉斯算子.通过使用Morse理论与局部环绕方法,我们证明了对于任意p> 1,在某些假设下,上述方程至少存在两个非平凡解.此外,类似的方法也被用于证明以下p-双调和方程的多重解中 {△p2u（x） = g（x, u）, in Ω,u（x） = △u（x） = 0, on ?Ω, 其中△p2u=△(|△u|p-2△u)表示u:V→R的p-双调和算子.