期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合异质网络与主题模型的方面分预测 被引量：22
1
作者 吉余岗 李依桐 石川 《计算机应用》 CSCD 北大核心 2017年第11期3201-3206,共6页
针对传统方面分预测模型只考虑内容信息而缺乏对评论网络结构的分析,提出了融合异质信息网络和主题模型构建方面分预测算法(HINToAsp)。首先,从意见短语角度构建了评论主题挖掘模型(Phrase-PLSA),有效整合评论信息和评分信息进行方面主... 针对传统方面分预测模型只考虑内容信息而缺乏对评论网络结构的分析,提出了融合异质信息网络和主题模型构建方面分预测算法(HINToAsp)。首先,从意见短语角度构建了评论主题挖掘模型(Phrase-PLSA),有效整合评论信息和评分信息进行方面主题挖掘;进而,考虑用户、评论和商品之间的结构信息,提出了在"用户评论商品"异质信息网络上的主题传播模型模型,用于刻画用户特性、商品属性;最后,基于随机游走框架有效整合内容信息和结构信息,进行精准的方面分预测。通过在大众点评(Dianping)和TripAdvisor数据集上和四元组PLSA(QPLSA)、高斯分布的情绪评估(GRAOS)模型及情绪均衡主题模型(SATM)的准确度对比实验,证明了HINToAsp算法的有效性,可以更好地用于商品的推荐系统。 展开更多
关键词 方面分预测 异质信息网络 主题模型 结构信息 推荐系统
下载PDF
基于异构信息网络的混合推荐模型 被引量：6
2
作者 林怿星 唐华 《计算机应用》 CSCD 北大核心 2021年第5期1348-1355,共8页
个性化推荐平台具有数据来源广泛且数据类型丰富的特点,而其中的数据稀疏是影响推荐系统性能的重要原因。如何挖掘推荐平台结构化数据和非结构化数据以发现更多特征,在数据稀疏场景中提高推荐的准确率,缓解冷启动问题,并且使得推荐具有... 个性化推荐平台具有数据来源广泛且数据类型丰富的特点,而其中的数据稀疏是影响推荐系统性能的重要原因。如何挖掘推荐平台结构化数据和非结构化数据以发现更多特征,在数据稀疏场景中提高推荐的准确率,缓解冷启动问题,并且使得推荐具有可解释性,是推荐系统面临的重大挑战。因此,针对为User推荐Item的个性化场景,利用异构信息网络(HIN)构建推荐平台中对象间的关联关系,以元路径(Meta-Graph)描述对象间的关联路径并计算不同路径下的User-Item相似度矩阵;用FunkSVD矩阵分解算法分解User以及Item的隐式特征,并针对以文本为例的非结构化数据以卷积神经网络(CNN)技术挖掘这些数据的文本特征;将两种方式获取的特征进行拼接后,使用融入User和Item历史平均分的因子分解机(FM)来预测User对Item的评分。实验过程基于公开数据集Yelp建立提出的混合推荐模型、基于Meta-Graph的单一推荐模型、因子分解机推荐(FMR)模型以及基于FunkSVD推荐模型并对它们进行训练。实验结果表明,所提出的混合推荐模型具有较好的有效性和可解释性,相较于几个对比模型,该模型的推荐精度均有较大的提升。 展开更多
关键词 推荐系统 异构信息网络 元路径 卷积神经网络 因子分解机
下载PDF
面向HIN基于多视角嵌入融合的推荐方法 被引量：4
3
作者 石乐昊 寇月 +2 位作者 申德荣 聂铁铮 李冬 《软件学报》 EI CSCD 北大核心 2022年第10期3619-3634,共16页
由于异构信息网络HIN(heterogeneous information network)具有丰富的语义信息而在推荐任务中得到广泛应用.传统的面向异构信息网络的推荐方法忽略了网络中关联关系的异质性,以及不同关联类型之间的相互影响.提出了一种基于多视角嵌入... 由于异构信息网络HIN(heterogeneous information network)具有丰富的语义信息而在推荐任务中得到广泛应用.传统的面向异构信息网络的推荐方法忽略了网络中关联关系的异质性,以及不同关联类型之间的相互影响.提出了一种基于多视角嵌入融合的推荐模型,分别从同质关联视角和异质关联视角来挖掘异构信息网络的深层潜在特征并加以融合,有效地保证了推荐结果的准确性.针对同质关联视角,提出了一种基于图卷积神经网络的嵌入融合方法,通过对同质关联作用下节点邻域信息的轻量式卷积,实现节点嵌入的局部融合.针对异质关联视角,提出了一种基于注意力的嵌入融合方法,利用注意力机制来区分不同关联类型对节点嵌入的影响,实现节点嵌入的全局融合.通过实验验证了所提出的关键技术的可行性和有效性. 展开更多
关键词 异构信息网络 推荐 多视角嵌入融合 图卷积神经网络 注意力机制
下载PDF
基于超邻接图的异质信息网络表征学习
4
作者 杨彬 王轶彤 《计算机工程》 CAS CSCD 北大核心 2023年第10期13-21,共9页
异质信息网络往往包含不同类型的节点和关系,丰富的语义信息和复杂的关系对目前异质信息网络的表征学习提出了巨大的挑战。现有多数方法通常使用预定义的元路径来捕获异质的语义信息和结构信息,但成本高、覆盖率低,且不能准确有效地捕... 异质信息网络往往包含不同类型的节点和关系,丰富的语义信息和复杂的关系对目前异质信息网络的表征学习提出了巨大的挑战。现有多数方法通常使用预定义的元路径来捕获异质的语义信息和结构信息,但成本高、覆盖率低,且不能准确有效地捕获和学习有影响力的高阶邻居节点。提出HIN-HG模型来解决以上问题。HIN-HG通过生成异质信息网络的超邻接图来准确有效地捕获对目标节点有影响力的邻居节点,并使用带有多通道机制的卷积神经网络聚合在不同关系下的不同类型的邻居节点。HIN-HG可以自动地学习不同邻居节点和元路径的权重而无须进行手动指定,同时可以捕获全图范围内和目标节点相似的节点作为高阶邻居,并通过信息传播有效地更新目标节点的表征。在DBLP、ACM和IMDB真实数据集上的实验结果表明,在节点分类任务中,HIN-HG较HAN、GTN、HGSL等前沿的异质信息网络表征学习方法性能更优,Macro-F1和Micro-F1多分类评估指标平均提高5.6和5.7个百分点,提高了节点分类的准确性和有效性。 展开更多
关键词 异质信息网络 元路径 邻域聚合 表征学习 图卷积
下载PDF
基于传播概率矩阵的异构信息网络表示学习 被引量：3
5
作者 赵廷廷 王喆 卢奕南 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2019年第3期548-554,共7页
根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确... 根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确率,用聚类指标标准化互信息(NMI)评价聚类效果,用T-SNE展现可视化效果.在数据集DBLP和AMiner上分别进行实验,相比DeepWalk、node2vec和metapath2vec方法,在应用任务节点分类上,所提出的基于传播概率矩阵的异构信息网络表示学习(HINtpm)的准确率与DeepWalk相比最高提升了24%,聚类指标NMI与DeepWalk相比最高提升了13%. 展开更多
关键词 网络表示学习 异构信息网络(hin) 传播概率矩阵 元路径 节点相似性 自动编码器
下载PDF
基于元路径注意力机制的MOOC视频推荐方法 被引量：2
6
作者 周嘉凡 杜岳峰 +3 位作者 宋宝燕 李晓光 赵阿珠 肖绪界 《计算机应用》 CSCD 北大核心 2022年第6期1808-1813,共6页
MOOC平台上,一个课程可能存在多个版本的视频,为向学生推荐一个满足学习兴趣的MOOC视频就需要分析学生兴趣与视频内容的关系,为此,提出一种基于元路径注意力机制的视频推荐方法Mrec。一方面,利用异构信息网(HIN)描述学习者和MOOC资源之... MOOC平台上,一个课程可能存在多个版本的视频,为向学生推荐一个满足学习兴趣的MOOC视频就需要分析学生兴趣与视频内容的关系,为此,提出一种基于元路径注意力机制的视频推荐方法Mrec。一方面,利用异构信息网(HIN)描述学习者和MOOC资源之间的关系,进而使用元路径表达学生和视频之间的交互关系;另一方面,利用注意力机制捕捉学生、视频、元路径的特征对学习兴趣的影响情况。具体来说,Mrec方法包括两层注意力机制:第一层是节点注意力层,通过邻居的特征加权联合节点自身的特征,利用多头注意力得到实体在不同元路径下的特征表示;第二层是路径注意力层,通过融合在不同元路径的指导下学习到的实体的特征表示来捕捉实体在不同兴趣下的特征表示,并将学习到的用户与视频实体输入到多层感知机(MLP)中得到预测分数来进行top-K推荐。在MOOCCube和MOOCdata数据集上进行实验的结果表明,Mrec的点击率、归一化折损累积收益(NDCG)、平均倒数排名(MRR)与受试者工作特征曲线下面积(AUC)均优于对比方法。 展开更多
关键词 推荐系统 异构信息网络 元路径 注意力机制 图神经网络
下载PDF
基于异质信息网络的恶意代码检测 被引量：1
7
作者 刘亚姝 侯跃然 严寒冰 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2022年第2期258-265,共8页
恶意代码对网络安全、信息安全造成了严重威胁。如何快速检测恶意代码,阻止和降低恶意代码产生的危害一直是亟需解决的问题。通过获取恶意应用的动态信息、构造异质信息网络(HIN),提出了描述恶意代码动态特征的方法,实现了恶意代码检测... 恶意代码对网络安全、信息安全造成了严重威胁。如何快速检测恶意代码,阻止和降低恶意代码产生的危害一直是亟需解决的问题。通过获取恶意应用的动态信息、构造异质信息网络(HIN),提出了描述恶意代码动态特征的方法,实现了恶意代码检测与分类。构建了FILE、API、DLL三类对象的4种元图,刻画了恶意代码HIN的网络模式。经过改进的随机游走策略,尽可能多地获取元图中对象节点的上下文信息,将其作为连续词包(CBOW)模型的输入,从而得到词向量的网络嵌入。通过投票方法改进主角度分析模型,得到多元图特征融合的分类结果。在仅可获得有限信息的情况下,大大提高了基于单元图特征的恶意样本分类准确率。 展开更多
关键词 恶意代码 异质信息网络(hin) 随机游走 连续词包(CBOW) 元图
下载PDF
一种基于自外积异构信息网络的改进推荐模型 被引量：1
8
作者 李林森 范永全 +1 位作者 杜亚军 于春 《西华大学学报（自然科学版）》 CAS 2022年第2期32-38,57,共8页
网络嵌入是近年来大数据领域的研究热点。异构信息网络(HIN)已被提取用于提高推荐系统的性能,然而现有的提取方法没有考虑到向量自身的不同维度交互暗含的有用信息。为此,文章提出一种基于自外积的异构信息网络模型(HSopRec)用于改进推... 网络嵌入是近年来大数据领域的研究热点。异构信息网络(HIN)已被提取用于提高推荐系统的性能,然而现有的提取方法没有考虑到向量自身的不同维度交互暗含的有用信息。为此,文章提出一种基于自外积的异构信息网络模型(HSopRec)用于改进推荐系统的性能。该模型能够通过自外积的方式有效地提取用户和物品原本暗含在异构信息网络的潜在关系。在世界开放商业数据集Yelp上进行的推荐性能的验证结果表明,与现有其他异构网络模型相比,HSopRec模型展现了更好的效果。 展开更多
关键词 异构信息网络 网络嵌入 矩阵分解 自身外积 推荐系统
下载PDF
AttrHIN2Vec:一种新型异质信息网络表示学习模型 被引量：2
9
作者 文鹏 李青 熊友 《现代计算机》 2019年第11期25-31,共7页
研究异质信息网络(HIN)中的表示学习问题。结点的属性信息通常包含丰富的潜在特征,然而,现有的HIN表示学习模型却很少考虑结点的属性信息。针对这种情况,提出一种新的网络表示学习模型,称为AttrHIN2Vec。它采用带权重元路径随机游走策略... 研究异质信息网络(HIN)中的表示学习问题。结点的属性信息通常包含丰富的潜在特征,然而,现有的HIN表示学习模型却很少考虑结点的属性信息。针对这种情况,提出一种新的网络表示学习模型,称为AttrHIN2Vec。它采用带权重元路径随机游走策略,并与自然语言处理中的Skip-Gram模型相结合,最终得到具有结点向量与结点属性向量的完整表示。由于考虑元路径的权重信息以及结点的属性信息,与最先进的方法相比,AttrHIN2Vec在HIN结点分类任务中取得更有效的结果。 展开更多
关键词 表示学习 异质信息网络 属性信息
下载PDF
基于新奇度量的社交事件推荐方法
10
作者 孙滔 段张甜 +2 位作者 朱浩楠 郭沛豪 孙鹤立 《计算机应用》 CSCD 北大核心 2024年第3期760-766,共7页
在社交事件网络(EBSN)中,推荐工作都是从用户的历史喜好出发建模用户偏好,阻碍了用户接触新事物的范围和途径。针对上述问题,提出基于新奇度量的社交事件推荐模型UER(Unexpectedness-based Event Recommendation)。UER模型包括Base和Une... 在社交事件网络(EBSN)中,推荐工作都是从用户的历史喜好出发建模用户偏好,阻碍了用户接触新事物的范围和途径。针对上述问题,提出基于新奇度量的社交事件推荐模型UER(Unexpectedness-based Event Recommendation)。UER模型包括Base和Unexpected两个子模型,首先,Base子模型基于用户、事件以及用户历史事件交互序列特征,通过注意力机制衡量事件在用户历史喜好中的权重,最终预测用户参加事件的概率;其次,Unexpected子模型通过自注意力机制提取用户的多个兴趣表示来计算用户自身新奇度和候选事件对用户的新奇值,从而衡量推荐事件的新奇程度。在Meetup-加州数据集上,UER模型相较于DIN(Deep Interest Network)和PURS(Personalized Unexpected Recommender System)的推荐命中率(HR)分别提高22.9%和30.3%,归一化折损累积收益(NDCG)分别提高27.5%和42.3%,推荐事件的新奇程度分别提高54.5%和21.4%;在Meetup-纽约数据集上,UER模型相较于DIN和PURS的HR分别提高18.2%和21.8%,NDCG分别提高26.9%和32.0%,推荐事件的新奇程度分别提高52.6%和20.8%。 展开更多
关键词 社交事件网络 事件推荐 异构信息网络 注意力机制 交互序列
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部