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、王怡嘉團隊比賽現(xiàn)場

 

在學者推薦系統(tǒng)中,，準確性和可解釋性是兩個關鍵要求,。為此，張路明團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）,，用于學者推薦。VGAE利用鏈接預測來有效捕捉圖數(shù)據(jù)中節(jié)點之間的復雜關系和依賴性,，可用于學者推薦任務,。通過預測學者之間鏈接的存在概率,，我們可以推薦概率最高的前 k 名學者。L-MAVGAE 采用雙層圖注意力網(wǎng)絡（GAT）取代了原來的圖卷積網(wǎng)絡（GCN）,，該網(wǎng)絡采用多頭注意力機制,，大大增強了模型捕捉圖結構的能力。實驗結果表明,，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，為了提高推薦結果的可解釋性,，進一步采用了 SHapley Additive exPlanations（SHAP）來進行解釋性分析,。SHAP 模型揭示了模型在推薦過程中重點關注的關鍵特征和節(jié)點關系，從而增強了用戶對推薦系統(tǒng)的信任和理解,。

圖5 魏玲鈴,、鐘志杰、林韻璇團隊比賽現(xiàn)場

學者推薦是一項重要的個性化服務功能,，可以通過鏈接預測任務來實現(xiàn),。基于圖的自動編碼器是解決鏈接預測任務的常用方法之一,。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,，魏玲鈴團隊提出了一種用于鏈接預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）來構建特征結構圖,，以便充分利用特征空間中的數(shù)據(jù)。然后,，編碼器利用原始拓撲圖,、特征結構圖和節(jié)點特征來學習節(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)集上進行的實驗評估表明,，所提出的模型在鏈接預測任務中表現(xiàn)最佳,，優(yōu)于其他基線方法。

圖6 最佳學生論文獲獎現(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》,，獲得了最佳學生論文稱號,。由于學術社交媒體快速發(fā)展，學者社交網(wǎng)絡中的節(jié)點影響力擴散問題日益受到影響力最大化（IM）領域的廣泛關注 ?，F(xiàn)有基于學習的 IM 問題求解方法通常僅依賴于網(wǎng)絡拓撲或單個節(jié)點活動,，缺乏對網(wǎng)絡拓撲和節(jié)點重要信息的綜合考慮,，導致模型性能不佳。通過綜合考慮網(wǎng)絡拓撲結構以及節(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 DeepWalk 算法和先驗增強圖神經(jīng)網(wǎng)絡（GNN）的深度強化學習（DRL）框架： APGD-IM,，旨在優(yōu)化上述問題導致的性能下降。具體來說,，提出了一種基于注意力機制和節(jié)點重要性信息的自適應 DeepWalk 算法 DRA,，以及一種先驗增強型圖神經(jīng)網(wǎng)絡模塊 PGNN，用于生成節(jié)點嵌入,。之后,，通過結合雙深度 Q 網(wǎng)絡，利用這些嵌入來學習參數(shù),，從而解決社交網(wǎng)絡中的學者影響力最大化問題,。四個真實社交網(wǎng)絡的實驗結果表明，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，也讓學生們學習到了許多,，感謝全國計算機支持的協(xié)同工作與社會計算學術會議組織委員會的支持,。