题名 基于双图神经网络的会话推荐算法
1
作者
李忠伟 吴金燠 刘昕 周洁 李可一
机构
中国石油大学(华东)海洋与空间信息学院 中国石油大学(华东)青岛软件学院、计算机科学与技术学院
出处
《计算机工程与设计》
北大核心
2025年第1期23-29,共7页
基金
国家重点研发计划基金项目(2018YFC1406204)。
文摘
针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。
关键词
推荐系统 会话推荐 图 神经网络 会话图 全局相似图 相似度图 卷积网络 注意力机制
Keywords
recommendation session-based recommendation graph neural network session graphs global similarity graphs similarity graph convolutional network attention mechanism
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于多域图神经网络的疾病预测模型
2
作者
罗熹 刘洋 安莹
机构
湖南警察学院网络犯罪侦查湖南省普通高校重点实验室 中南大学大数据研究院
出处
《湖南大学学报(自然科学版)》
北大核心
2025年第4期124-134,共11页
基金
湖南省教育厅科学研究重点项目(23A0702)。
文摘
电子病历数据类型多样以及时序不规则,现有的基于深度学习的方法在特征学习的过程中大多无法同时兼顾对不同类型临床数据间静态关联和就诊记录间动态时序依赖的有效捕获.针对该问题,本文提出了一种基于多域图神经网络的疾病预测模型.该方法首先利用一个结合编码级注意力和时间感知LSTM的时序特征学习模块获得患者每次就诊的初始特征表示.然后,根据就诊序列中不同就诊间的相关性和时间间隔信息分别构建了一个就诊亲和图和一个就诊时序图,并通过图卷积神经网络从图中挖掘就诊记录间的静态语义关联和动态时序依赖.最后,利用一个基于自注意力机制的多域特征融合模块将时序特征和语义关联特征结合起来得到最终的患者融合特征表示,用于患者未来的疾病预测.在两个真实临床数据集上的实验结果表明,本文方法超过其他现有的方法获得了更高的预测准确性.
关键词
电子病历 疾病预测 图 神经网络 注意力机制
Keywords
electronic medical records disease prediction graph neural network attention mechanism
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 融合全局和属性信息的双图神经网络会话推荐
3
作者
杨兴耀 齐正 张祖莲 于炯 陈嘉颖 王东晓
机构
新疆大学软件学院 新疆维吾尔自治区气象局新疆兴农网信息中心
出处
《计算机工程与设计》
北大核心
2025年第3期770-778,共9页
基金
新疆维吾尔自治区自然科学基金面上基金项目(2023D01C17、2023D01A123、2022D01C692) 新疆维吾尔自治区自然科学基金资源共享平台建设基金项目(PT2323) +2 种基金 国家自然科学基金项目(62262064、61862060) 新疆气象局引导基金项目(YD202212) 劳务派遣管理信息化系统基金项目(202212140030)。
文摘
为解决现有会话推荐未利用项目的额外属性信息,以及忽略全局项目之间交互问题,提出一种融合全局和属性信息的双图神经网络会话推荐模型。在会话序列中捕获项目显式和隐式信息,将项目之间的交互关系构建成全局图和属性图,在全局图中利用一个门控机制捕获显式信息,在属性图中将一个自注意力机制嵌入到图注意力网络中学习项目隐式信息。利用池化操作将两种信息融合,根据最终嵌入计算预测评分。实验结果表明,模型在3个公开数据集Diginetica、Tmall和30Music上的精确度和平均倒数排名优于新近基线模型,验证了模型的有效性。
关键词
推荐系统 会话推荐 图 神经网络 注意力机制 门控机制 图 注意力网络 自注意力机制
Keywords
recommender system session-based recommendation graph neural network attention mechanism gating mechanism graph attention networks self-attention mechanism
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于图神经网络的地下水位动态模拟模型
4
作者
许明家 孙龙 李爽 鲁程鹏
机构
水利部信息中心 河海大学水文水资源学院
出处
《水文》
北大核心
2025年第1期30-36,共7页
基金
国家重点研发计划项目(2021YFB3900604,2021YFC3200501)。
文摘
地下水位的模拟精度在可持续的地下水资源利用和管理中起着重要的作用。机器学习方法可以捕获输入变量和目标变量之间的非线性关系,在地下水位模拟中得到了广泛的应用。然而,传统的机器学习方法没有考虑站与站之间的空间关系。本文使用图神经网络(GNN)模拟地下水位动态变化,以地下水水位监测站为节点,通过邻接矩阵连接节点;选择河北省典型漏斗区的监测数据对模型进行应用和评价。与三个对照模型:随机森林(RF)、支持向量机(SVR)和多层感知机(MLP)相比,所提出的模型在所定义的评估指标方面均表现更好。此外,所提出的模型可同时模拟建模系统中所有监测站的地下水位变化,相比单站模型具有更高的数据利用率。
关键词
地下水位模拟 图 神经网络 非平稳 时间序列
Keywords
groundwater level simulation graph neural networks non-stationary time series
分类号
P345
[天文地球—水文科学]
题名 持续记忆的流图神经网络
5
作者
郭虎升 孙玉杰 王文剑
机构
山西大学计算机与信息技术学院 山西大学计算智能与中文信息处理教育部重点实验室
出处
《小型微型计算机系统》
北大核心
2025年第4期818-824,共7页
基金
国家自然科学基金项目(62276157,U21A20513,62476157,62076154)资助 山西省重点研发计划项目(202202020101003)资助.
文摘
流图的节点和边以流的形式持续产生,导致整个图结构随着时间推移而不断演化.图神经网络作为图嵌入技术的一种,在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战.为解决这些问题,本文提出了持续记忆的流图神经网络(CMSGNN).该模型能够根据流图持续的演化充分学习历史信息,通过增量学习的方式更新已记忆的历史信息,并且能够自适应地调整模型以适应流图的变化程度,以获得更符合当前信息的流图嵌入.该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入,从而提高下游任务的准确率.实验结果表明,本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能.
关键词
流图 图 神经网络 历史信息 增量更新 当前信息 自适应聚合
Keywords
stream graphs graph neural networks historical information incremental update current information adaptive aggregation
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
题名 基于图神经网络模型校准的成员推理攻击
6
作者
谢丽霞 史镜琛 杨宏宇 胡泽 成翔
机构
中国民航大学计算机科学与技术学院 中国民航大学安全科学与工程学院 扬州大学信息工程学院
出处
《电子与信息学报》
北大核心
2025年第3期780-791,共12页
基金
国家自然科学基金民航联合研究基金重点项目(U2433205),国家自然科学基金(62201576,U1833107),江苏省基础研究计划自然科学基金青年基金(BK20230558)。
文摘
针对图神经网络(GNN)模型在其预测中常处于欠自信状态,导致该状态下实施成员推理攻击难度大且攻击漏报率高的问题,该文提出一种基于GNN模型校准的成员推理攻击方法。首先,设计一种基于因果推断的GNN模型校准方法,通过基于注意力机制的因果图提取、因果图与非因果图解耦、后门路径调整策略和因果关联图生成过程,构建用于训练GNN模型的因果关联图。其次,使用与目标因果关联图在相同数据分布下的影子因果关联图构建影子GNN模型,模拟目标GNN模型的预测行为。最后,使用影子GNN模型的后验概率构建攻击数据集以训练攻击模型,根据目标GNN模型对目标节点的后验概率输出推断其是否属于目标GNN模型的训练数据。在4个数据集上的实验结果表明,该文方法在2种攻击模式下面对不同架构的GNN模型进行攻击时,攻击准确率最高为92.6%,性能指标优于基线攻击方法,可有效地实施成员推理攻击。
关键词
图 神经网络 成员推理攻击 模型校准 因果推断 隐私风险
Keywords
Graph Neural Network(gnn ) Membership Inference Attacks(MIAs) Model calibration Causal inference Privacy risk
分类号
TN915.08
[电子电信—通信与信息系统]
TP309
[自动化与计算机技术—计算机系统结构]
题名 基于图神经网络和强化学习的柔性作业车间调度算法
7
作者
王亮 顾益铭 刘世亮
机构
同济大学机械与能源工程学院
出处
《实验室研究与探索》
北大核心
2025年第2期101-109,共9页
基金
同济大学“第十八期实验教学改革专项基金重点项目(1000104171)。
文摘
针对不同规模的柔性作业车间调度问题,提出一种基于图神经网络的深度强化学习算法(GRL)。该算法采用3个异构析取子图来表征车间状态,并利用图神经网络提取车间特征,构建相应的马尔可夫决策过程,使用模仿学习与强化学习相结合的联合训练策略来更新神经网络参数。实验结果表明,所提GRL算法在不同规模订单、工序复杂程度和机器选择柔性下表现出较低的最长完工时间和较小的案例参数敏感性。将小规则案例下训练的网络泛化至大规模案例,体现相对优先调度规则较好且稳定的求解质量。研究成果为项目式教学提供典型的人工智能应用案例。
关键词
强化学习 图 神经网络 模仿学习 柔性作业车间调度
Keywords
reinforcement learning graph neural network imitation learning flexible job-shop scheduling problem
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于双注意力图神经网络的链路预测
8
作者
杨真真 林泽龙 杨永鹏
机构
南京邮电大学宽带无线通信与传感网技术教育部重点实验室
出处
《南京邮电大学学报(自然科学版)》
北大核心
2025年第1期106-114,共9页
基金
国家自然科学基金(62071242,62171232) 江苏省研究生科研与实践创新计划(KYCX22_0955,SJCX23_0251)资助项目。
文摘
链路预测是在图结构中预测未知或潜在的边,对挖掘图中的隐含信息、补全图中的缺失数据和发现图中的新知识都具有重要意义。图神经网络(Graph Neural Network,GNN)已被广泛应用于链路预测,然而,现有基于GNN的链路预测方法存在一些问题:(1)大多数基于GNN的方法往往容易忽略为链路预测提供额外帮助的边信息的重要性;(2)大多数基于GNN的方法都仅捕获表示图的邻居节点间相似性的低频信息,忽略了表示邻居节点间差异性的高频信息;(3)大多数基于GNN的方法都未考虑输入特征矩阵的节点维度和特征维度两个维度,只关注其中一个维度。针对这些问题,提出了一种基于双注意力图神经网络(Dual Attention Graph Neural Network,DAGNN)的链路预测方法,该方法包含两条路径,以不同的角度更新节点表示。其中一条是基于图神经网络的路径,采用含边信息的频率自适应图注意力网络(Frequency Adaptive Graph Attention Network with Edge Information,FAGAT⁃EI)作为基础模型,有效地利用边信息增强节点之间的关系,并利用频率自适应机制平衡高低频率邻居信息的权重,从而缓解GNN的过度平滑问题;另一条是基于通道注意力网络的路径,提出了一种新的压缩-激励通道注意力模块(Squeeze and Excitation⁃Channel At⁃tention Module,SE⁃CAM)作为基础模型,充分考虑输入特征矩阵的节点维度和特征维度,并自动学习和调整每个节点的不同特征权重,从而得到更有意义的节点表示。最后在两个基准数据集上进行了实验,实验结果表明,提出的链路预测方法在Last⁃FM和Book⁃Crossing两个数据集上的AUC和ACC指标均优于其他基线模型,展现出了卓越的链路预测性能。
关键词
链路预测 图 神经网络 注意力机制 压缩-激励模块 频率自适应
Keywords
link prediction graph neural network(gnn ) attention mechanism squeeze excitation module frequency adaptive
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 多通道句法门控图神经网络用于句子级情感分析
9
作者
张吴波 邹旺 熊黎 戴顺鄂 吴文欢
机构
湖北汽车工业学院电气与信息工程学院 武汉工程大学计算机科学与工程学院 武汉工程大学艺术设计学院
出处
《计算机工程与应用》
北大核心
2025年第8期135-144,共10页
基金
国家自然科学基金(52075107) 湖北省中央引导地方科技发展专项(2018ZYYD007) +1 种基金 湖北省教育厅科技研究项目(Q20201801) 湖北省重点科研项目(TA02002)。
文摘
情感分析技术是自然语言处理领域的一项重要任务。然而,现阶段文档级图神经网络的图构建复杂且需要占用大量的内存资源。在线评论文本一般由短句组成,文档级图神经网络进行情感分析的效率较低。此外,现有工作中句子级图神经网络未能充分结合文本的单词特征、依存特征和词性特征。针对以上问题,提出一种多通道句法门控图神经网络的句子级情感分析方法(MSGNN)。该模型以句子的依存句法关系图为骨架,词性特征、单词特征和依存特征作为节点特征信息;利用三通道的门控图神经网络分别学习三种特征;采用图卷积神经网络聚合节点的特征信息。在SST-1、SST-2、MR三种基准数据集上的实验结果表明该模型相比基线模型的性能有所提升。
关键词
情感分析 句子级图 神经网络 依存特征 门控图 神经网络
Keywords
sentiment analysis sentence-level graph neural network dependency features gated graph neural network
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 结合图同构和混合阶残差门控图神经网络的会话推荐
10
作者
王永贵 于琦
机构
辽宁工程技术大学电子与信息工程学院
出处
《计算机科学与探索》
北大核心
2025年第2期502-512,共11页
基金
国家自然科学基金(61772249)。
文摘
基于会话推荐的目的是依据当前会话的先前动作来预测用户的下一个动作。针对现有基于图神经网络的会话推荐模型存在的不足之处,提出一种结合图同构和混合阶残差门控图神经网络的会话推荐模型(GIHR-GNN)。使用图同构网络聚合相邻项目的特征向量,有效融合全局和局部信息,解决图神经网络善于捕获节点之间的局部连接而忽略全局信息的问题,并通过门控融合函数聚合用户的长短期兴趣以更好地捕捉用户兴趣的动态变化。使用混合阶门控图神经网络对位置嵌入向量进行处理以捕获用户长时间后重新交互所反映出的用户意图,并在此基础之上添加残差模块,解决深层网络的退化问题。将未去噪和去噪后的用户长期兴趣表示进行对比学习,缓解了数据稀疏和噪声干扰的问题。在Tmall和RetailRocket两个数据集上进行多次实验,并与先进基线模型进行比较,结果表明该模型在Tmall数据集上P@20指标和MRR@20指标至少提升了3.26%和10.33%,在RetailRocket数据集上P@20指标和MRR@20指标至少提升了0.55%和2.57%,证明了GIHR-GNN模型的有效性。
关键词
会话推荐 图 同构网络 混合阶残差门控图 神经网络 对比学习
Keywords
session recommendation graph isomorphic network hybrid-order residual gated graph neural network contrastive learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于图神经网络的SDN路由算法优化
11
作者
张晓莉 汤颖琪 宋婉莹
机构
西安科技大学通信与信息工程学院
出处
《电讯技术》
北大核心
2025年第1期18-24,共7页
基金
国家自然科学基金青年科学基金项目(61901358)。
文摘
针对现有路由方案不适合学习图形结构信息,对陌生拓扑适应性不佳的问题,提出了一种基于图神经网络的软件定义网络(Software Defined Network,SDN)路由算法G-PPO。引入近端策略优化(Proximal Policy Optimization,PPO)强化学习算法实现模型训练,利用消息传递神经网络(Massage Passing Neural Network,MPNN)对网络拓扑进行学习,通过调整链路权重完成路由路径的调整。G-PPO将图神经网络对网络拓扑信息的感知能力和深度强化学习的自主学习能力有效结合,提升路由策略的性能。实验结果表明,与相关算法比较,所提算法的平均时延和丢包率、网络链路利用率和吞吐量指标均为最优。在3种不同拓扑上,该算法较其他算法最少提升10.5%吞吐量,最多提升95.6%丢包率,表明所提算法具有更好的适应不同网络拓扑的能力。
关键词
软件定义网络 路由优化 图 神经网络 深度强化学习 近端策略优化
Keywords
software defined network routing optimization graph neural network deep reinforcement learning proximal policy optimization
分类号
TP393
[自动化与计算机技术—计算机应用技术]
题名 多域时空层次图神经网络的空气质量预测
12
作者
马汉达 吴亚东
机构
江苏大学计算机科学与通信工程学院
出处
《计算机应用》
北大核心
2025年第2期444-452,共9页
基金
镇江市重点研发计划项目(GY2023034)。
文摘
在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。
关键词
空气质量预测 多域特征融合 时空特征 周期解耦 门控机制融合 图 神经网络
Keywords
air quality prediction multi-domain feature fusion spatiotemporal feature periodic decoupling gating mechanism fusion Graph Neural Network(gnn )
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
题名 基于图神经网络的测井领域知识图谱实体对齐方法
13
作者
曹茂俊 王瑞芳 张国良
机构
东北石油大学计算机与信息技术学院
出处
《计算机技术与发展》
2025年第4期121-126,共6页
基金
中石油科技技术开发项目(2021DJ4001) 黑龙江省高等教育教学改革项目(SJGY20220253) 东北石油大学特色领域团队专项项目(2022TSTD-03)。
文摘
针对测井领域数据资产知识图谱在数据融合时出现的命名规则呈现高度多样性、行业特性显著且语义实体繁多的情况,导致测井知识图谱中实体存在大量歧义、冗余及关联错误等问题,该文提出了一种基于结构嵌入与属性嵌入的知识图谱实体对齐方法。通过在图卷积神经网络中引入高速公路网络机制(Highway Networks)来捕捉图结构的深层次特征,在图注意力神经网络中聚合高速公路网络机制来有效提取实体的属性特征,并使用最小化基于边际的损失函数来优化模型参数。在测井领域数据资产知识图谱数据集中的2个知识图谱上进行实体对齐实验,实验结果表明,该方法在实体对齐的性能上超越了所有对比模型,其Hits@10值达84.8%,比表现最好的对比模型高约0.5百分点。
关键词
知识图 谱 实体对齐 图 卷积神经网络 图 注意力神经网络 高速公路网络 机制
Keywords
knowledge graph entity alignment graph convolutional network graph attention network highway network mechanism
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 融合时间驻留信息的图神经网络会话推荐
14
作者
孙克雷 孙孜博
机构
安徽理工大学计算机科学与工程学院
出处
《重庆工商大学学报(自然科学版)》
2025年第1期1-8,共8页
基金
国家自然科学基金项目(61703005) 安徽省高校科研重点项目(2022AH050821).
文摘
目的现有的基于图神经网络(GNN)的推荐方法忽略了会话中有价值用户在项目上的时间驻留信息,无法解决用户无意识点击带来的影响,同时忽略图神经网络中隐藏因素的表达能力,针对以上问题,提出一种融合时间驻留信息的图神经网络会话推荐模型(Graph Neural Network Session-based Recommendation Based on Fusion of Time Resident Information,TRGNN)。方法首先,对用户在各个项目上的驻留时间信息进行处理,通过时间图神经网络得到时间特征;其次,应用多头注意力机制增强因素的表达能力更好地提取项目特征,TRGNN将时间特征与项目特征进行融合得到最终特征,通过注意力网络得到全局上下文和局部上下文;最后,通过预测层得到最终推荐结果。结果在Diginetica和Yoochoose两个真实数据集上进行对比实验,实验结果表明:相较于最优基线模型,本模型在Mrr@20评价指标下分别提升了1.57%和3.30%,在Recall@20指标下分别提升了1.10%和0.66%。结论本模型实现了更好的推荐效果,能更好地挖掘隐藏信息,充分应用时间特征和项目隐藏特征来提高推荐准确率,降低用户误触对推荐准确率的影响。
关键词
推荐系统 会话推荐 驻留时间网络 注意力机制 图 神经网络
Keywords
recommendation system session recommendation time resident network attention mechanism graph neural network
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于脉冲神经网络优化的动态图链路预测
15
作者
闫钦与 卜凡亮 王一帆
机构
中国人民公安大学信息网络安全学院
出处
《科学技术与工程》
北大核心
2025年第4期1522-1528,共7页
基金
中国人民公安大学安全防范工程双一流专项(2023SYL08)。
文摘
动态图链路预测通过图上的历史交互预测未来节点间链路的形成或消失。为减少基于循环神经网络建模网络动态的方法在细粒度时间的动态图上具有较高能耗的问题,提出一种基于脉冲神经网络优化的动态图链路预测模型,通过融合脉冲神经网络的节点记忆更新模块,脉冲化节点记忆的更新过程,训练图神经网络学习动态图的演化动态并实现链路预测。在3个公开经典数据集上的结果表明,模型在运行速度上得到提升,并保留了准确性,在动态图链路预测任务中具有较好的性能表现。
关键词
动态图 链路预测 图 神经网络 脉冲神经网络
Keywords
dynamic graph link prediction graph neural networks spiking neural networks
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于图神经网络的多尺度网状河系分类匹配方法
16
作者
黄哲琨 钱海忠 蔡中祥 王骁 王俊威 孔令辉
机构
信息工程大学地理空间信息学院
出处
《测绘学报》
北大核心
2025年第2期371-384,共14页
基金
国家自然科学基金(42271463 42101453 +1 种基金 42371461) 河南省杰出青年自然科学基金(212300410014)。
文摘
多尺度网状河系匹配是水系数据集成、融合与更新的重要组成部分。鉴于现有网状河系匹配方法未对匹配模式进行预先识别,并缺乏针对性的匹配策略,本文提出基于图神经网络的多尺度网状河系分类匹配方法。首先,将大比例尺网状河系构建为图结构,将其与小比例尺河系之间的匹配模式作为节点的标注,并计算节点特征;然后,利用图神经网络对节点特征进行采样和聚合,建立起河段特征与匹配模式之间的映射关系;最后,根据河系中各河段的匹配模式类别,对其采取相应的匹配策略。试验结果表明,本文方法有效提高了网状河系的匹配精度,具备较好的理论与应用价值。
关键词
多尺度数据 匹配模式 匹配策略 网状河系 图 神经网络
Keywords
multi-scale data matching patterns matching strategies mesh river systems graph neural network
分类号
P208
[天文地球—地图制图学与地理信息工程]
题名 基于骨骼图神经网络的人体行为识别综述
17
作者
蒋悦晗 陈俊杰 李洪均
机构
南通大学信息科学技术学院 南通先进通信技术研究院有限公司
出处
《计算机工程与应用》
北大核心
2025年第3期34-47,共14页
基金
国家自然科学基金(62371261) 南通市科技计划基金(JC2023076) 江苏省研究生科研与实践创新计划项目(KYCX24_3643)。
文摘
基于骨骼图神经网络的人体行为识别凭借其简洁性和鲁棒性引起了人们的广泛关注,图数据对于处理人体骨骼信息有天然的优势,逐渐成为行为识别领域的研究热点。从行为识别这个宽泛的基本概念入手,进一步引入用骨骼图神经网络进行的人体行为识别任务,分别从4个方面对近些年基于骨骼图神经网络的人体行为识别的研究成果进行了归纳总结;介绍了图结构构造拓扑图的不同方法分类、行为识别模型中的常用机制、目前常用的数据集及评价指标与目前主流方法的比较。最后,针对目前的研究状况对基于骨骼图神经网络的人体行为识别存在的问题进行详细的阐述,并立足于研究现状对该领域的未来发展进行了展望。
关键词
行为识别 深度学习 图 神经网络 注意力机制
Keywords
action recognition deep learning graph neural networks attention mechanisms
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 注意力融合机制和拓扑关系挖掘的异构图神经网络
18
作者
陈金杰 王一蕾 傅仰耿
机构
福州大学计算机与大数据学院
出处
《福州大学学报(自然科学版)》
北大核心
2025年第1期1-9,共9页
基金
国家自然科学基金资助项目(12271098) 福建省高校产学合作科技计划资助项目(2023H6008)。
文摘
针对异构图神经网络模型依赖元路径和复杂聚合操作导致元路径受限与高成本的不足,提出一种基于注意力融合机制和拓扑关系挖掘的异构图神经网络模型(FTHGNN).该模型首先使用一种轻量级的注意力融合机制,融合全局关系信息和局部节点信息,以较低的时空开销实现更有效的消息聚合;接着使用一种无需先验知识的拓扑关系挖掘方法替代元路径方法,挖掘图上的高阶邻居关系,并引入对比学习捕获图上的高阶语义信息;最后,在4个广泛使用的现实世界异构图数据集上进行的充分实验,验证了FTHGNN简单而高效,在分类预测准确率上超越了绝大多数现有模型.
关键词
图 神经网络 异构图 注意力机制 对比学习
Keywords
graph neural network heterogeneous graph attention mechanism contrastive learning
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 时空图神经网络在物联网中的应用综述
19
作者
张建伟 陈旭 王叔洋 景永俊 宋吉飞
机构
北方民族大学计算机科学与工程学院 北方民族大学电气信息工程学院 国家新型互联网交换中心
出处
《计算机工程与应用》
北大核心
2025年第5期43-54,共12页
基金
宁夏回族自治区重点研发项目(2023BDE02017) 北方民族大学中央高校基本科研业务费专项资金(2022PT_S04)。
文摘
随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。
关键词
物联网 深度学习 时空图 神经网络 图 结构数据
Keywords
Internet of things(IoT) deep learning spatiotemporal graph neural network graph-structured data
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 面向异构社交网络的空-频域自适应图神经网络
20
作者
张岚泽 顾益军 彭竞杰
机构
中国人民公安大学信息网络安全学院
出处
《计算机科学与探索》
北大核心
2025年第1期169-186,共18页
基金
中央高校基本科研业务费专项资金(2023JKF01ZK14)。
文摘
传统GNN基于同构性假设对近邻节点实现低通滤波功能完成邻域相似信息的聚合嵌入。但在异构图中分属不同类别的节点彼此多建立联系,而相同类别的节点在图拓扑位置上距离较远。这一特点给注重近端邻域信息聚合的传统GNN带来“远端节点信息聚合缺失”与“同构性假设失灵”的问题。因此设计融合空域与频域自适应嵌入机制的异构图神经网络(DA-HGNN)以解决上述问题。针对问题一,设计“远端空域嵌入模块”,旨在通过高阶随机游走迁移概率筛选并聚合远端相似节点,补充“消息传递的跨邻域自适应性”;针对问题二,设计“近端频域嵌入模块”,构建滤波器分离节点高频与低频信号,并设计频域导向型注意力机制对上述信息进行频域偏好的自适应融合,从而减少“同构性假设失灵”所引入的噪声。在四个公开异构图数据集中取得最优实验结果,准确率上平均提高6.41个百分点。在灵敏度分析和消融实验中阐述了超参数的选择机制和各模块的实际性能,并验证了在异构网络中“节点结构相似性”“节点属性向量相似性”以及“节点同构性”三者之间仍呈现正相关关系这一结论。在异构真实数据集中验证了欺诈检测效果,AUC指标提升4.4个百分点。
关键词
异构图 图 神经网络 图 表示学习同构性假设失灵
Keywords
heterophilic graph graph neural network graph representation learning failure of homophily assumption
分类号
TP399
[自动化与计算机技术—计算机应用技术]
