课程文献中心 更多>>

关键词： 推荐系统   协同过滤   图神经网络   图注意力机制   子图生成  

摘要： 基于图神经网络的推荐系统可以提取用户与项目之间的高阶连通性。经典推荐算法协同过滤在多层图卷积层堆叠过程中，由于用户和项目的嵌入会变得相似，导致出现过平滑问题。针对这一问题，文中将具有共同兴趣的用户聚类生成子图以避免将高阶邻居的负面信息传播到嵌入学习中，并预先采用图注意力机制对节点嵌入进行预处理，提升对重要节点的关注度以改善子图生成结果，另外，在子图传播过程中再次引入图注意力机制强化子图内节点区分度从而改善子图内嵌入信息传播，降低过平滑的影响，提升推荐效果。最后，以三种公开的数据集为测试对象，以归一化折损增益与召回率为评估指标，对提出的算法进行测试，以检验算法的有效性。

关键词： 球谐函数   原子核巨四级共振   激发算符   激发模式   Spherical Harmonics   Nuclear Giant Quadruple Resonance   Excitation Operator   Excitation Mode  

摘要： 原子核巨共振是指基态原子核受到外场激发后，核内核子发生集体运动的现象。其中原子核巨四级共振作为巨共振中最重要的激发模式之一，是人们探究核物质状态方程特征参量和介质中核子–核子相互作用特性的有效工具。因此，针对产生原子核巨四级共振的激发模式开展自洽的理论推导，对于核物质性质的研究具有重要意义。球谐函数通常被用来描述量子力学中粒子在有心力场(如氢原子)中的运动状态，是提取原子核巨共振中激发算符和激发模式公式的重要工具。然而，在之前原子核巨四级共振的相关理论工作中，人们通常利用一个经验方程来开展相应的研究。本论文从量子力学中的球谐函数出发，推导了原子核巨四级共振的激发算法和激发模式的形式，为原子核物理中巨共振现象的理论研究提供了一种新的方法，更为本科物理教学中的拓展部分提供了新的素材。在大学物理课堂中引入相关的科研工作，不仅可以引导学生的认知从课本内容过渡到前沿研究，更可以培养学生的科学思维和批判性思维，以达到科教融合的目的。

关键词： 图拓扑不平衡   自监督图表示学习   随机行走路径   同质性假设   拓扑距离衰减  

摘要： 图拓扑不平衡问题，由于节点在拓扑空间中的不均匀和不对称分布，对图神经网络性能产生了严重的负面影响.当前的研究主要侧重于标记节点，而对无标记节点的关注较少.为应对这一挑战，提出了一种基于随机游走路径的自监督学习方法，旨在解决拓扑不平衡问题带来的同质性假设限制、拓扑距离衰减以及注释衰减等难题.该方法引入了多跳路径的子图邻域概念，以更全面地捕捉节点之间的关系和局部特征.首先，通过路径间聚合策略，学习多跳路径中的同质和异质特征，从而不仅保留了节点的原始属性，还维护了它们在随机游走序列中的初始结构连接.此外，结合了基于多条路径的子图采样和子图生成策略以及结构化的对比损失，最大化了同一节点局部子图的内在特征，从而增强了图表示的表达能力.经过实验验证，该方法在多种不平衡场景下都表现出了出色的有效性和泛化性能.这一研究为解决图拓扑不平衡问题提供了新的方法和视角.

关键词： 半监督多标记学习   预训练模型   图神经网络   开放词汇   提示  

摘要： 半监督多标记学习利用有标记数据和无标记数据进行模型的训练，降低了多标记数据的标记成本并取得了不错的结果，吸引了很多研究者不断进行研究.然而，在半监督标注过程中，由于标记的数量较多，往往会出现某些标记缺失标注样本的情况，这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息，使得模型性能下降.针对上述问题，提出了基于图提示的半监督开放词汇多标记学习方法.具体地，该方法利用基于提示的图神经网络对预训练大模型进行微调，挖掘和探索开放词汇与监督样本之间的关系.通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本输入进行学习.其次利用预训练大模型在开放词汇上的泛化能力，对无监督样本生成伪标记，实现对输出分类层的微调，使模型在对开放词汇进行分类时能获得更加理想的效果.多个基准数据集上的实验结果均显示，基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法，在VOC，COCO，CUB，NUS等基准数据集上均取得了最优的效果.

关键词： 函数系数   GARCH-M模型   波动率   Functional Coefficient   GARCH-M Model   Volatility  

摘要： 本文将函数系数GARCH-M模型推广到多元情形，研究了一类多元函数系数GARCH-M模型，旨在把序列之间的交互作用引入到风险厌恶的研究上。文章给出了函数系数和模型参数的估计方法。数值模拟的结果表明，该方法的估计效果良好。实证分析基于上证综合指数和深证综合指数的日收益率数据，研究结果表明，多元函数系数GARCH-M模型能够更好地拟合所考虑的数据。

关键词： 资产定价   多层关系网络   同期交互   跨期传播   图注意力网络   混频数据抽样  

摘要： 本文建立上市公司间供应链、股权和行业网络，融合低频公司特征和宏观经济信息以及高频市场、交易和情绪信息等作为网络节点特征，构建混频跨期注意力多层图卷积（MF-IAMGCN）模型，检验混频（MF）定价信息在上市公司多层关系网络中的同期交互和跨期传播对资产价格的预测能力。空间维度上，MF-IAMGCN模型基于注意力多层图卷积网络框架，引入混频数据抽样方法，刻画混频定价信息在多层网络中的同期交互，包括节点间的高阶依赖和非线性关系；时间维度上，借助门控机制，刻画连续时间步骤中节点之间的跨期信息传播和层间交互。选取2003年1月至2022年12月期间中国A股市场为研究样本，从个股定价、测试资产定价和投资组合绩效等三个方面，实证检验模型性能。研究结果表明：（1）MF-IAMGCN模型在个股和测试资产层面的定价表现均优于四个竞争性模型，具备较强的综合定价性能。（2）MF-IAMGCN模型构造的投资组合取得了最优的风险调整绩效，兼顾高回报和低波动。（3）MF-IAMGCN模型刻画定价信息的动态传播模式，充分挖掘高频定价信号，显著提升了定价性能。（4）股权网络隐含金融市场资本活动信息，能够显著降低ST股票预测误差。

关键词： 水轮机   径向基函数   拟插值   传递系数  

摘要： 水电机组调节系统仿真计算中水轮机模型多采用简化模型,忽略了水轮机非线性特性,难以准确反映水轮机实际运行过程。水轮机非线性模型构建的难点在于精确获取水轮机不同工况传递系数。对此,首先基于水轮机模型综合特性曲线推导了水轮机传递系数的表达式;再引入径向基函数拟插值法对水轮机模型综合特性曲面重建和网格化加密处理,比较不同核函数对水轮机模型综合特性曲线拟插值精度的影响;最后构建了水轮机传递系数曲面,分析了水轮机模型综合特性曲线拟插值误差对水轮机6个传递系数求解精度的影响。结果表明,使用径向基函数拟插值法对水轮机模型综合特性曲面进行重建,重采样平均相对误差能控制在0.005以内,水轮机在不同工况下的传递系数的精度较高。

关键词： 认同单位   行动单位   社会关系   治理秩序   国家与社会关系  

摘要： 从区域比较角度看，农民的认同单位有四个，分别是家、户、门、宗，对应着江汉平原的原子化村庄、关中平原的户族村庄、华北平原的小亲族村庄和华南地区的宗族村庄等。农民的认同单位不同，形塑着村庄社会关系：以家庭为认同单位的村庄，是一种利益性关系；以户为认同单位的村庄，是一种合作性关系；以门为认同单位的村庄，是一种竞争性关系；以宗为认同单位的村庄，是一种情感性关系。不同关系类型塑造了差异性的村庄公共秩序，有利益关系下的利益秩序、合作关系下的交换秩序、竞争关系下的规范秩序、情感关系下的道德秩序。不同公共秩序带来不同的村庄内生性治理格局，利益秩序下的村庄呈现利益化治理格局，交换秩序下的村庄呈现关系化治理格局，规范秩序下的村庄呈现规则化治理格局，道德秩序下的村庄呈现情感化治理格局。村庄内生性治理格局的不同会影响国家与社会关系实践，分别产生区隔型、博弈型、服从型和悬浮型的国家与社会关系。

关键词： 有向无环图   Block   容差关系粗糙集   最近容差关系   近似集的分布式计算方法  

摘要： 为了处理分布式的不完备信息系统中数据筛选问题，人们引入了容差关系粗糙集理论。随着数据量的不断增长，需要使用分布式计算能力来实现可扩展的并行化计算，因此人们提出了分布式容差关系粗糙集，其中Block Set是计算近似集的核心概念。然而，Block Set在计算时仅使用了集合运算，数据之间没有结构，过程涉及大量重复计算，导致计算效率不高。针对这一问题，本文提出了基于图优化的容差关系粗糙集分布式算法（TRDG）。本文引用已有的可靠元和争议元概念，以不完备信息系统中的数据为结点，以非对称容差关系为边，构建了具有层次关系的有向无环图，使用图结构来组织数据。为了提高了Block Set在分布式环境中的计算效率，本文提出使用最近容差关系代替一般非对称容差关系的策略，用于删除的冗余边简化图结构，并基于可靠元到零出度争议元的路径来得到Block Set。然后，我们在Spark平台下实现了分布式的图优化算法和路径搜索算法。最终完成了TRDG算法的设计。实验结果表明，TRDG算法具有良好的并行加速性能，和传统的一般容差关系粗糙近似集求解算法相比，节省了计算资源，计算速度平均提高了40倍左右，可处理的数据量也增加了50倍以上。

关键词： 表示学习   多模态推荐系统   图神经网络   自监督学习  

摘要： 提出了一种基于跨模态图掩码的和特征增强的推荐方法，旨在减少传统多模态推荐系统中的数据噪声和解决多模态信息表达不足问题。该方法首先使用CLIP预训练模型提取语义一致性的文本和视觉特征，根据项目模态特征相似性建立项目-项目图，为项目表示提供语义丰富的上下文信息；其次，设计跨模态图掩码重建方法，该方法充分利用模态间特征信息，减少数据噪声并增强特征，之后使用图卷积网络学习用户和项目交互信息；在最终预测时，使用用户偏好分数更准确地捕捉用户对目标项目的偏好，通过不同方面的偏好分数加权计算，更为有效地完成推荐任务。最后，使用多任务联合学习框架进行模型训练，同时兼顾了多模态信息和交互信息，有效提升了多模态推荐的准确性。在Women Clothing，Men Clothing，Beauty，Toys & Games四个公共数据集实验结果表明，所提出的方法在召回率（Recall）和归一化折损累计增益（normalized discounted cumulative gain，NDCG）指标上均优于现有的基准算法，例如，在Recall@20指标上，比最先进的基线提升8.03%，在NDCG@20指标上，比最先进的基线提升7.30%。