课程文献中心 更多>>

关键词： 会话   推荐系统   深度学习   机器学习   图神经网络   特征融合   会话推荐  

摘要： 针对现有会话推荐方法过于依赖局部特征的交互提取,忽略全局特征的关联性,导致会话上下文信息丢失的问题,提出一种基于增强图神经网络的特征融合会话推荐方法(FFSR-EGNN)。引入卷积单元到图神经网络中,更有效捕获不同层次的局部特征,采用潜在语义分析方法构建会话-项目矩阵提取会话的全局特征,利用注意力机制自适应地学习局部和全局特征,使模型能够根据特征节点的关联性调整、增强节点间的重要信息传递。通过线性部件将局部和全局特征进行融合,生成最终的语义表示和预测概率用于推荐任务。在Diginetica和Yoochoose数据集上实验,其结果表明,所提方法推荐性能优于现有主流推荐方法。

关键词： 复杂网络   拓扑结构   Louvain算法   社区发现算法   判定准则   时间局部性   运行耗时   模块度  

摘要： 【目的】随着社交网络技术的快速发展,大规模复杂网络的拓扑结构获取成为电子、网络、生物和医学等多个学科领域亟待解决的问题。大规模复杂网络由参与节点和虚拟连接组成,其中节点代表个体、家庭与社会等角色,而连接则刻画了这些角色间的复杂关系。一般而言,复杂网络中存在严重的同源性现象,即存在大量的重复或相似组成架构,这极大地增加网络动态结构发现的难度。【方法】在时间局部性原理基础上,提出一种启发式网络社区发现算法,旨在进一步优化拓扑结构发现的精确度和运行耗时。通过修改相邻时间范围内节点的计算规则,利用余弦相似性判定准则与拓扑结构发现算法深入描述网络中多个参与节点之间复杂关系的可预测性。算法结合经典Louvain算法,通过计算增量模块度和余弦相似性优化社区检测的精确度和耗时。此外,算法使用模块度概念,对网络拓扑结构进行准确衡量,同时引入增量模块度指标计算表达式,以实时掌握拓扑结构发现算法指标的变化情况。【结果】为验证所提算法的有效性,利用智能电网实际通信数据集进行仿真,数据集包含115个用电单位的616条通信连接数据。仿真结果表明,与经典Louvain算法相比,所提算法在检测效率和运行耗时上均有显著优势。归一化互信息量指标的对比分析显示,所提算法在参与节点数量较多时,具有更高的归一化互信息量和更低的平均运行耗时。算法在大规模网络中具有优势,尽管在小规模网络中表现稍逊。通过实际数据集仿真可知,基于时间局部性的拓扑结构发现算法在大规模智能配电网络的精准发现方面具有明显优势,性能表现突出,为智能电网领域提供优化网络拓扑结构发现的策略。【结论】综上所述,基于时间局部性拓扑结构发现算法的创新性在于将时间局部性原理应用于网络社区发现,为复杂网络社区发现算法的研究提供了新的视角和方法,对相关领域的研究具有参考意义。未来将考虑该算法在小规模网络中的应用问题,并进一步分析算法的鲁棒性。

关键词： 问题性网络使用   青少年   认知行为疗法   动机式访谈   个案研究  

摘要： 目的:评估动机式访谈结合认知行为疗法针对青少年问题性网络使用的干预效果,探讨这种综合方法对干预青少年问题性网络使用的独特优势。方法:通过动机式访谈结合认知行为疗法对一例问题性网络使用的青少年进行12次心理咨询,配合4次家长访谈。设计四阶段干预方案,即探索与激发、巩固与矫正、识别与挑战、发展与预防。采用青少年问题性网络使用量表、基本心理需要满足量表评估治疗效果。结果:干预后来访者实现了从“问题性网络使用者”到“正常使用者”的转变,基本心理需要满足程度明显提升;一个月后随访结果表明干预效果稳定。结论:动机式访谈结合认知行为疗法可发挥协同作用改善青少年问题性网络使用,减少外部消极行为,提升内部积极心理需要,实现了心理干预中“来访者利益最大化”原则。

关键词： 社交网络   信息传播   信任   谣言控制  

摘要： 针对社交网络中的隐私信息传播问题,改进了传统的信息传播模型,提出了基于信任的社区信息传播控制方案。首先,引入社区结构和信息敏感度两个特征,以更准确地模拟信息传播过程。其次,采用基于信任的真相传播机制,有效地控制了谣言的扩散。仿真实验结果表明,相较于传统模型,社区传播模型达到传播峰值的平均速度提高了31%,更好地模拟了信息传播过程。同时,基于信任的社区谣言控制方案在平均35轮内有效地控制了谣言的传播。此改进对于保护用户隐私和维护社交网络秩序具有重要意义。

关键词： 胶结充填   力学特性   神经网络   预测分析  

摘要： 以某金矿废石破碎成5 mm以下的碎石和全尾砂为研究对象,在制备成膏体充填料浆的条件下进行了不同参数下充填体单轴抗压强度、抗拉强度实验,开展了单因素、多因素拟合分析及相关性检验,确定了各影响因素与充填体强度之间的关联度,探究了各因素对膏体充填体强度的影响规律;利用改进的MATLAB神经网络建立了料浆质量浓度(X_(1))、灰砂比(X_(2))(指质量比,下同)、砂石比(X_(3))、养护龄期(X_(4))对充填体强度(单轴抗压强度(Y_(1))、抗拉强度(Y_(2)))影响的预测模型。结果表明:充填体强度与各参数之间呈多元线性函数关系,灰砂比是影响充填体强度的主要因素,养护龄期和砂石比次之,料浆浓度最小;充填体强度随充填浓度、养护龄期和灰砂比的增大呈增长趋势,随砂石比的增大呈减小趋势;建立的充填体强度函数模型在预测该金矿单轴抗压强度(Y_(1))、抗压强度(Y_(2))中适应性强、收敛速度快而且精度高,为后期充填采矿强度需求设计提供了依据。

关键词： 农产品需求   互联网背景   灰色神经网络   BP神经网络   供应链管理  

摘要： 随着互联网技术的快速发展,农产品市场的需求量及其预测成为农业经济学领域的重要研究议题。本研究旨在探讨影响农产品需求的因素,并建立一个预测模型以提高预测精度。通过收集2012—2023年的统计数据,构建了一个包含23个二级指标的农产品需求指标体系,并采用灰色关联度分析方法确定了影响需求的关键变量。基于机器学习算法,本研究建立了灰色预测模型、BP神经网络模型和灰色神经网络模型,并比较分析了预测结果。结果显示,灰色神经网络模型具有最高的预测精度,平均相对误差为1.05%,明显优于灰色预测模型和BP神经网络模型。进一步预测表明,2025—2028年中国农产品需求量将持续增长,复合增长率为1.75%。研究结果为农产品供应链管理提供了决策支持,有助于优化资源配置,降低成本,并提高市场响应速度。

关键词： 炼化污水处理   混合神经网络(CNN-LSTM)   COD浓度   污染排放预测  

摘要： 快速、准确预测含油污水中有机污染物的化学需氧量(COD),及时优化运行参数,对于石油炼化企业节能减排、污水达标排放极为重要和迫切。为此,以某炼化企业污水处理场生产要素和COD排放浓度数据为研究样本,提出一种增加先验知识的CNN-LSTM混合神经网络算法,建立炼化企业污水处理场COD排放浓度预测模型。结果表明,该模型既可发挥CNN较好刻画、提取局部特征信息的优势,又具有LSTM对连续时间序列数据较好继承性的特点,其均方根误差为22.3217、决定系数为0.8732,平均相对误差较LSTM网络构建的模型降低5.45%。

关键词： “上岸”   青年文化   抵抗   话语建构   批判话语分析  

摘要： 以大学生群体“上岸”网络话语的建构为研究对象,基于费尔克拉夫的批判话语三维分析模型剖析话语的文本特征、运作模式及背后的社会意涵。研究发现,“上岸”网络话语以“考试”为核心,从“上岸”主体自身的角度书写“上岸”经历,体现出实用性、个人化、娱乐化等特征。通过身份表征、集体认同和仪式抵抗三种话语模式,体现了背后意义生成的立场和策略。“上岸”话语是大学生群体面临社会内卷化困境的调适策略,也是个体对主流规训的潜隐抵抗。

关键词： 无源光网络   透明光网络单元   再调制   多幅度编码   编码效率  

摘要： 为了在使用再调制技术的波分复用无源光网络(WDM PON)中实现透明光网络单元(colorless ONU),提出2种新型的多幅度编码方式(PAM补码和可变幅线路编码).新的编码方式结合了频谱整形编码和脉冲幅度调制(PAM).频谱整形编码能够抑制下行信号的低频分量,减少下行信号对上行再调制信号的串扰.高阶的PAM能够提高信号的编码效率,采用高阶PAM的下行信号可以被传统的二进制接收机接收.通过仿真验证了所提编码方式在再调制WDM PON中应用的可行性,测试了速率为625 Mb/s和1.25 Gb/s的上行信号再调制在速率为10Gb/s的下行信号上的性能.基于新型多幅度编码的再调制WDM PON方案能够减少上行再调制信号遭受的串扰,提高下行信号的编码效率.