国产v亚洲v天堂无码久久无码_久久久久综合精品福利啪啪_美女扒开尿口让男人桶_国产福利第一视频在线播放_滨崎步无码AⅤ一区二区三区_三年片免费观看了_大屁股妇女流出白浆_泷川苏菲亚无码AV_我想看我想看一级男同乱伦_国产精品午夜福利免费视频,gogo国模全球大胆高清摄影图,2008门艳照全集视频,欧美午夜在线精品品亚洲AV中文无码乱人伦在线播放

圖4 張路明,、陳映欣,、王怡嘉團(tuán)隊比賽現(xiàn)場

 

在學(xué)者推薦系統(tǒng)中，準(zhǔn)確性和可解釋性是兩個關(guān)鍵要求,。為此,，張路明團(tuán)隊提出了一種基于變異圖自動編碼器（VGAE）的新型模型，名為L-MAVGAE（L2 Normalization and Multi-Head Attention based Variational Graph AutoEncoders）,，用于學(xué)者推薦,。VGAE利用鏈接預(yù)測來有效捕捉圖數(shù)據(jù)中節(jié)點之間的復(fù)雜關(guān)系和依賴性，可用于學(xué)者推薦任務(wù),。通過預(yù)測學(xué)者之間鏈接的存在概率,，我們可以推薦概率最高的前 k 名學(xué)者。L-MAVGAE 采用雙層圖注意力網(wǎng)絡(luò)（GAT）取代了原來的圖卷積網(wǎng)絡(luò)（GCN）,，該網(wǎng)絡(luò)采用多頭注意力機(jī)制,，大大增強(qiáng)了模型捕捉圖結(jié)構(gòu)的能力。實驗結(jié)果表明,，我們提出的模型在 Scholar 數(shù)據(jù)集上的表現(xiàn)優(yōu)于基線模型,。 同時，為了提高推薦結(jié)果的可解釋性,，進(jìn)一步采用了 SHapley Additive exPlanations（SHAP）來進(jìn)行解釋性分析,。SHAP 模型揭示了模型在推薦過程中重點關(guān)注的關(guān)鍵特征和節(jié)點關(guān)系，從而增強(qiáng)了用戶對推薦系統(tǒng)的信任和理解,。

圖5 魏玲鈴,、鐘志杰,、林韻璇團(tuán)隊比賽現(xiàn)場

學(xué)者推薦是一項重要的個性化服務(wù)功能，可以通過鏈接預(yù)測任務(wù)來實現(xiàn),?；趫D的自動編碼器是解決鏈接預(yù)測任務(wù)的常用方法之一。然而,，目前使用的大多數(shù)基于圖的自動編碼器方法仍未完全挖掘出圖中節(jié)點特征的巨大潛力,。主要問題是沒有充分利用特征空間中的信息。在本文中,，魏玲鈴團(tuán)隊提出了一種用于鏈接預(yù)測的全新圖嵌入框架,，稱為特征感知變異圖自動編碼器（FAVGAE）。使用 k 近鄰算法（KNN）來構(gòu)建特征結(jié)構(gòu)圖,，以便充分利用特征空間中的數(shù)據(jù),。然后，編碼器利用原始拓?fù)鋱D,、特征結(jié)構(gòu)圖和節(jié)點特征來學(xué)習(xí)節(jié)點向量表示的分布,。通過從該分布中采樣，生成節(jié)點向量表示,，并使用解碼器重建圖的鄰接矩陣,。在所提供的 ScholatNet 數(shù)據(jù)集上進(jìn)行的實驗評估表明，所提出的模型在鏈接預(yù)測任務(wù)中表現(xiàn)最佳,，優(yōu)于其他基線方法,。

圖6 最佳學(xué)生論文獲獎現(xiàn)場

王怡嘉等人發(fā)表的論文題目為《Adaptive DeepWalk and Prior-Enhanced Graph Neural Network for Scholar Influence Maximization in Social Networks》，獲得了最佳學(xué)生論文稱號,。由于學(xué)術(shù)社交媒體快速發(fā)展,，學(xué)者社交網(wǎng)絡(luò)中的節(jié)點影響力擴(kuò)散問題日益受到影響力最大化（IM）領(lǐng)域的廣泛關(guān)注 。現(xiàn)有基于學(xué)習(xí)的 IM 問題求解方法通常僅依賴于網(wǎng)絡(luò)拓?fù)浠騿蝹€節(jié)點活動,，缺乏對網(wǎng)絡(luò)拓?fù)浜凸?jié)點重要信息的綜合考慮，導(dǎo)致模型性能不佳,。通過綜合考慮網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及節(jié)點的全局信息和重要性,，王怡嘉等人提出了一種基于自適應(yīng) DeepWalk 算法和先驗增強(qiáng)圖神經(jīng)網(wǎng)絡(luò)（GNN）的深度強(qiáng)化學(xué)習(xí)（DRL）框架： APGD-IM，旨在優(yōu)化上述問題導(dǎo)致的性能下降,。具體來說,，提出了一種基于注意力機(jī)制和節(jié)點重要性信息的自適應(yīng) DeepWalk 算法 DRA，以及一種先驗增強(qiáng)型圖神經(jīng)網(wǎng)絡(luò)模塊 PGNN,，用于生成節(jié)點嵌入,。之后，通過結(jié)合雙深度 Q 網(wǎng)絡(luò),，利用這些嵌入來學(xué)習(xí)參數(shù),，從而解決社交網(wǎng)絡(luò)中的學(xué)者影響力最大化問題,。四個真實社交網(wǎng)絡(luò)的實驗結(jié)果表明，王怡嘉等人 提出的模型優(yōu)于其他基線方法,，并在不同的擴(kuò)散模型中保持穩(wěn)定的性能優(yōu)勢,。

 

此次參加會議收獲頗豐，也讓學(xué)生們學(xué)習(xí)到了許多,，感謝全國計算機(jī)支持的協(xié)同工作與社會計算學(xué)術(shù)會議組織委員會的支持,。