期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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88篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选0条
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：
A hypergraph neural network-based framework for identification of Parkinson's disease subtypes 认领 引用
1
作者 Meili Lu Hongbao Lu 《Chinese Physics B》 SCIE EI CAS CSCD 2026年第7期864-874,共11页
Parkinson's disease(PD)exhibits significant phenotypic heterogeneity,which complicates clinical management and underscores the need for precise subtyping.Existing subtyping approaches often rely on a single modali... Parkinson's disease(PD)exhibits significant phenotypic heterogeneity,which complicates clinical management and underscores the need for precise subtyping.Existing subtyping approaches often rely on a single modality,such as clinical assessments,failing to capture the complex,multi-faceted nature of the disease.This paper proposes a novel computational framework that integrates multi-modal data,specifically preprocessed functional MRI,DNA methylation,and clinical behavioral assessments,for PD subtyping.The methodology involves constructing individual hypergraphs for each modality using K-nearest neighbors(KNN),followed by the integration of these hypergraphs into a unified,multi-modal hypergraph using similarity network fusion(SNF).This consolidated hypergraph is then processed via a hypergraph neural network(HGNN)utilizing hyperedge convolution to cluster patients into distinct subtypes.Our experimental results demonstrate that this approach effectively identifies PD subtypes with significant clinical and biological relevance.We provide a comprehensive analysis of the model's performance and further validate the reliability of the identified subtypes through post-hoc statistical tests.This study highlights the potential of graph-based machine learning in disentangling disease heterogeneity,paving the way for personalized therapeutic strategies and improved patient outcomes. 展开更多
关键词 hypergraph neural network similarity network fusion Parkinson’s disease subtypes multi-modal data
暂未订购 下载PDF
Molecular Merged Hypergraph Neural Network for Explainable Solvation Gibbs Free Energy Prediction 认领 引用 被引量：1
2
作者 Wenjie Du Shuai Zhang +6 位作者 Zhaohui Cai Xuqiang Li Zhiyuan Liu Junfeng Fang Jianmin Wang Xiang Wang Yang Wang 《Research》 SCIE EI CSCD 2026年第3期470-483,共14页
Solvation free energies play a fundamental role in various fields of chemistry and biology.Accurately determining the solvation Gibbs free energy(ΔGsolv)of a molecule in a given solvent requires a deep understandi... Solvation free energies play a fundamental role in various fields of chemistry and biology.Accurately determining the solvation Gibbs free energy(ΔGsolv)of a molecule in a given solvent requires a deep understanding of the intrinsic relationships between solute and solvent molecules.While deep learning methods have been developed forΔGsolv prediction,few explicitly model intermolecular interactions between solute and solvent molecules.The molecular modeling graph neural network more closely aligns with real-world chemical processes by explicitly capturing atomic-level interactions,such as hydrogen bonding.It achieves this by initially establishing indiscriminate connections between intermolecular atoms,which are subsequently refined using an attention-based aggregation mechanism tailored to specific solute–solvent pairs.However,its sharply increasing computational complexity limits its scalability and broader applicability.Here,we introduce an improved framework,molecular merged hypergraph neural network(MMHNN),which leverages a predefined subgraph set and replaces subgraphs with supernodes to construct a hypergraph representation.This design effectively mitigates model complexity while preserving key molecular interactions.Furthermore,to handle noninteractive or repulsive atomic interactions,MMHNN incorporates an interpretation mechanism for nodes and edges within the merged graph,leveraging the graph information bottleneck theory to enhance model explainability.Extensive experimental validation demonstrates the efficiency of MMHNN and its improved interpretability in capturing solute–solvent interactions. 展开更多
关键词 determining solvation gibbs free energy g solv deep learning methods intermolecular interactions molecular modeling graph neural network explainable machine learning solvation free energies graph neural network molecular merged hypergraph neural network
基于时空耦合的时序网络事件异常检测方法 认领 引用
3
作者 李英乐 于洪涛 +1 位作者 朱宇航 王凯 《计算机工程与设计》 北大核心 2026年第7期1993-1999,共7页
针对现有时序网络事件的异常检测方法忽略时空耦合异常的问题,提出一种基于时空耦合的时序网络事件异常检测方法ADTE-SCL。利用时序HGNN聚合每个事件快照的属性和结构信息并保留历史事件的长时依赖,利用HCA-GRU网络学习历史事件的短时依... 针对现有时序网络事件的异常检测方法忽略时空耦合异常的问题,提出一种基于时空耦合的时序网络事件异常检测方法ADTE-SCL。利用时序HGNN聚合每个事件快照的属性和结构信息并保留历史事件的长时依赖,利用HCA-GRU网络学习历史事件的短时依赖,设计异常评分函数和损失函数进行模型的训练优化。在不同领域真实数据集上的实验结果表明,ADTE-SCL相比基线方法,AUC指标平均提升约8%,准确率平均提升约6%。 展开更多
关键词 网络空间安全 时序网络事件 异常检测 时序超图 超图神经网络 门控循环单元 时空耦合学习
暂未订购 下载PDF
基于超网络的技术融合趋势研究 认领 引用
4
作者 邱含琪 陈伟 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2026年第4期89-103,共15页
【目的】构建一种集成技术生命周期分析、多维测度体系与语义增强超网络节点嵌入的研究框架,系统量化技术融合演化特征,全面揭示技术融合趋势。【方法】基于技术生命周期分析划分发展阶段,利用超网络方法构建时序技术融合网络;设计涵盖... 【目的】构建一种集成技术生命周期分析、多维测度体系与语义增强超网络节点嵌入的研究框架,系统量化技术融合演化特征,全面揭示技术融合趋势。【方法】基于技术生命周期分析划分发展阶段,利用超网络方法构建时序技术融合网络;设计涵盖超网络整体、超边与节点三个层次的融合测度体系,系统分析融合演化特征;提出基于语义增强的超网络节点嵌入方法,挖掘技术潜在融合关系。【结果】以全固态电池领域为例进行实证,结果表明该领域技术融合呈现从材料探索、性能优化到产业应用的阶段性演进,并识别出电池温度管理、高镍正极界面改性等高价值潜在融合方向。【局限】仅基于IPC共现构建超网络,未纳入专利引证等关系,且细粒度技术要素挖掘不足。【结论】所提框架能够揭示技术领域融合演化特征与潜在融合方向,为技术融合研究提供新视角。 展开更多
关键词 技术融合 超网络 节点嵌入 语义增强 超图神经网络
用于推荐系统的全局关系感知超图注意力网络 认领 引用
5
作者 袁满 刘星彤 袁靖舒 《吉林大学学报（信息科学版）》 CAS 2026年第1期143-151,共9页
针对传统的图神经网络虽然可以表征用户与物品之间的交互,但通常局限于成对的二元关系,难以充分建模用户和物品之间的高阶关联问题,提出了一种用于推荐系统的全局关系感知超图注意力网络GR-HGAN(Global Relational-aware Hypergraph Att... 针对传统的图神经网络虽然可以表征用户与物品之间的交互,但通常局限于成对的二元关系,难以充分建模用户和物品之间的高阶关联问题,提出了一种用于推荐系统的全局关系感知超图注意力网络GR-HGAN(Global Relational-aware Hypergraph Attention Network for Recommender Systems)。首先,采用超图结构,允许一个超边同时连接多个用户和物品,自然地刻画出多方交互的高阶关联。然后,利用超图注意力机制,关注图中不同邻居节点与当前目标节点的关联程度,提升重要节点在特征聚合中的影响力。最后,结合全局超图和局部子图的消息传播机制,有效学习全局视角下节点之间高阶关联的同时融合局部子图中的重要信息,进一步提升节点嵌入的表示能力。在广泛使用的数据集Yelp,MovieLens和Amazon上进行的大量实验证明,GR-HGAN优于先进的推荐方法。 展开更多
关键词 推荐系统 超图神经网络 超图注意力
暂未订购 下载PDF
基于自适应多头超图卷积网络的小样本回归模型 认领 引用
6
作者 王梅 闫祖嘉 +1 位作者 高雅田 高俊涛 《郑州大学学报（工学版）》 CAS 北大核心 2026年第5期85-92,共8页
针对图神经网络基于二元边结构难以捕捉多节点间的高阶交互,并且固定拓扑的图结构无法适应动态数据分布等问题,提出一种基于自适应多头超图卷积网络的小样本回归模型(AM-HGCN)。首先,通过动态超图构建方法融合特征相似度与拓扑结构,结合... 针对图神经网络基于二元边结构难以捕捉多节点间的高阶交互,并且固定拓扑的图结构无法适应动态数据分布等问题,提出一种基于自适应多头超图卷积网络的小样本回归模型(AM-HGCN)。首先,通过动态超图构建方法融合特征相似度与拓扑结构,结合k阶邻居(k-hop)和k近邻(k_NN)策略生成多尺度超边,自适应捕捉特征间的交互关系;其次,设计多头超图卷积网络,利用并行注意力头提取异构特征,并通过动态门控机制融合多粒度信息,增强模型的表达能力;最后,引入模型无关元学习框架,通过内外循环优化实现快速任务适应。在数据集Boston Housing、Energy Efficiency、IMDB、MiniImageNet上的实验表明:对于结构化数据集,AM-HGCN在评价指标上显著优于主流基线模型,其中决定系数最高为0.775,验证了其对复杂关系建模的有效性。消融实验进一步证明,动态超图与多头注意力机制的协同作用是小样本回归性能提升的关键,实验结果验证了所提方法的有效性。 展开更多
关键词 小样本学习 超图 超图卷积神经网络 多头注意力机制 元学习
暂未订购 下载PDF
基于多任务学习和超图神经网络的微生物-药物关联预测 认领 引用
7
作者 王波 王钧祺 +3 位作者 杜晓昕 孙明 王彤轩 黎景威 《河南师范大学学报（自然科学版）》 CAS 北大核心 2026年第1期68-76,I0011,I0012,共9页
传统的生物实验方法寻找微生物与药物关系不仅耗时费力,而且成本极高.因此,为了降低实验成本并提高效率,计算方法被用于预测微生物-药物关联.然而,现有方法忽视了疾病作为中介的关键作用,导致数据稀疏性问题.为此,提出了基于多任务学习... 传统的生物实验方法寻找微生物与药物关系不仅耗时费力,而且成本极高.因此,为了降低实验成本并提高效率,计算方法被用于预测微生物-药物关联.然而,现有方法忽视了疾病作为中介的关键作用,导致数据稀疏性问题.为此,提出了基于多任务学习的模型(MTLTPMDA),用于同时预测微生物-药物和疾病-药物关联.模型通过共享药物节点的特征来增强任务间的联系,并利用超图神经网络(HGNN)探索微生物、药物和疾病之间的复杂交互.通过构建微生物-药物和疾病-药物超图,HGNN有效捕捉了多节点间的高阶关系.在五重交叉验证下,MTLTPMDA实现了AUC为0.903 3和AUPR为0.893 0,优于多种现有方法,展示了模型在预测潜在关联上的有效性. 展开更多
关键词 微生物与药物关联 疾病与药物关联 多任务学习技术 数据稀疏性 超图神经网络
暂未订购 下载PDF
结构内容协同的虚假新闻检测方法 认领 引用
8
作者 胡泽 陈志南 杨宏宇 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2026年第3期286-301,共16页
为解决现有虚假新闻检测方法特征提取维度单一、新闻传播规律难以捕获等问题,提出一种基于结构和内容协同的多源特征融合虚假新闻检测方法。首先,从结构与内容双来源提取特征:结构来源采用时间感知超图神经网络以捕获跨时序传播模式,获... 为解决现有虚假新闻检测方法特征提取维度单一、新闻传播规律难以捕获等问题,提出一种基于结构和内容协同的多源特征融合虚假新闻检测方法。首先,从结构与内容双来源提取特征:结构来源采用时间感知超图神经网络以捕获跨时序传播模式,获得时间感知结构特征;内容来源则利用大语言模型提取语义嵌入,并通过多头潜在注意力机制聚焦关键信息,生成强化内容特征。其次,采用门控融合机制动态调节多源特征权重,实现多源异构特征的高效融合。最终,将融合后的多源特征表示输入新闻真实性分类器进行分类。实验结果表明,在Politifact和Gossipcop数据集上的准确率分别达到94.09%和98.49%,F1值分别达到93.98%和98.13%,整体性能优于现有对比方法,验证了所提模型在虚假新闻检测任务中的有效性。同时,还通过丰富的消融实验验证了时间感知超图神经网络、大语言模型以及多头潜在注意力在建模过程中的必要性。最后,还探讨了核心超参数以及数据集划分比例对实验结果的重要影响。 展开更多
关键词 虚假新闻检测 超图 图神经网络 注意力机制 多特征融合
暂未订购 下载PDF
Make U-Net Greater: An Easy-to-Embed Approach to Improve Segmentation Performance Using Hypergraph 认领 引用
9
作者 Jing Peng Jingfu Yang +5 位作者 Chaoyang Xia Xiaojie Li Yanfen Guo Ying Fu Xinlai Chen Zhe Cui 《Computer Systems Science & Engineering》 SCIE EI 2022年第7期319-333,共15页
semantics information while maintaining spatial detail con-texts.Long-range context information plays a crucial role in this scenario.How-ever,the traditional convolution kernel only provides the local and small size ... semantics information while maintaining spatial detail con-texts.Long-range context information plays a crucial role in this scenario.How-ever,the traditional convolution kernel only provides the local and small size of the receptivefield.To address the problem,we propose a plug-and-play module aggregating both local and global information(aka LGIA module)to capture the high-order relationship between nodes that are far apart.We incorporate both local and global correlations into hypergraph which is able to capture high-order rela-tionships between nodes via the concept of a hyperedge connecting a subset of nodes.The local correlation considers neighborhood nodes that are spatially adja-cent and similar in the same CNN feature maps of magnetic resonance(MR)image;and the global correlation is searched from a batch of CNN feature maps of MR images in feature space.The influence of these two correlations on seman-tic segmentation is complementary.We validated our LGIA module on various CNN segmentation models with the cardiac MR images dataset.Experimental results demonstrate that our approach outperformed several baseline models. 展开更多
关键词 Convolutional neural network semantic segmentation hypergraph neural network LGIA module
暂未订购 下载PDF
一种基于HGNN与多层感知机的网络职业教育推荐方法 认领 引用
10
作者 张军霞 陈程 +1 位作者 屈娜 曹丹凤 《自动化技术与应用》 2026年第6期88-92,共5页
随着网络职业教育的快速普及,平台亟需为学习者提供精准的个性化推荐服务。然而,传统推荐系统在处理海量、高维度且关系复杂的教育数据时存在明显不足。针对此问题,提出了一种基于超图神经网络(hypergraph neural network,HGNN)与多层... 随着网络职业教育的快速普及,平台亟需为学习者提供精准的个性化推荐服务。然而,传统推荐系统在处理海量、高维度且关系复杂的教育数据时存在明显不足。针对此问题,提出了一种基于超图神经网络(hypergraph neural network,HGNN)与多层感知机(multilayer perceptron,MLP)相融合的网络职业教育推荐方法。该方法首先构建综合多种实体节点的异构图模型,利用HGNN的高阶超边结构捕捉教育数据中的复杂关系;随后,引入多层感知机对提取的特征进行非线性强化学习,以精准预测用户与学习资源的链接概率。基于真实教学平台数据的实验结果表明,在推荐列表长度设为10项时,本模型命中率达到最优;随着训练的推进,系统准确率由88%显著提升至96%,整体性能超越了传统矩阵分解等方法。参数敏感性分析进一步验证了模型对关键参数响应的鲁棒性。本研究有效提升了推荐系统的准确性与稳定性,为网络职业教育平台的个性化学习服务提供了新的优化方向与技术支撑。 展开更多
关键词 职业教育推荐 超图神经网络 多层感知机 个性化学习 异构图模型 推荐系统
暂未订购 下载PDF
基于超图和奇异值分解对比学习的推荐系统 认领 引用
11
作者 王慧 刘俊琰 +1 位作者 游俊杰 黄润杰 《计算机应用研究》 CSCD 北大核心 2026年第8期2325-2332,共8页
针对现实应用中用户-项目交互数据的稀疏性和高噪声所导致传统图神经网络(graph neural network,GNN)在推荐系统协同过滤(collaborative filtering,CF)场景中性能下降的问题,进行了融合超图和奇异值分解对比学习的推荐模型研究。构建了... 针对现实应用中用户-项目交互数据的稀疏性和高噪声所导致传统图神经网络(graph neural network,GNN)在推荐系统协同过滤(collaborative filtering,CF)场景中性能下降的问题,进行了融合超图和奇异值分解对比学习的推荐模型研究。构建了基于超图和奇异值分解对比学习的推荐模型(hypergraph-augmented GCN meets SVD-enhanced graph contrastive learning for recommendation,HSVDGCL),采用超图连接和奇异值分解增强的二部图架构,分别搭建超图高阶关系建模视图和奇异值分解捕获的全局协作模式视图,通过跨视图对比学习融合局部交互信息和全局结构信息,提高模型对稀疏噪声数据的鲁棒性。在Yelp、Gowalla、Amazon、Tmall数据集的实验结果表明,模型recall与NDCG指标分别实现至少3.22%、13.37%、20.69%的提升,消融实验验证了各模块的有效性,该模型相较现有先进基线模型具备更优的推荐性能。 展开更多
关键词 推荐系统 图神经网络 超图表示 奇异值分解 图对比学习
暂未订购 下载PDF
基于双模-异质超图注意力神经网络的企业技术融合创新机会发现研究 认领 引用 被引量：1
12
作者 杨洋 吴俊 《数据分析与知识发现》 EI CSSCI CSCD 北大核心 2026年第3期143-157,共15页
【目的】针对当前技术融合二元关系预测方法的低维表征局限,本研究从异质交互视角设计多元技术融合创新机会发现方法。【方法】构建以知识、专利和企业为节点的企业技术融合创新异质超图网络,设计双模-异质超图注意力神经网络模型(DM-HH... 【目的】针对当前技术融合二元关系预测方法的低维表征局限,本研究从异质交互视角设计多元技术融合创新机会发现方法。【方法】构建以知识、专利和企业为节点的企业技术融合创新异质超图网络,设计双模-异质超图注意力神经网络模型(DM-HHGAT),使用超图模式层和异质模式层映射该网络结构信息,融合注意力机制学习多维特征表示,实现多元技术融合创新机会发现。【结果】以人工智能领域22万多条授权专利数据进行实证研究,结果表明该方法的准确率达到94.96%,召回率和F1值分别为97.67%和95.08%。实验对比表明本文模型优于相关基线模型。【局限】仅使用人工智能领域的上市公司数据,在多源数据情境下的泛化能力仍有待进一步检验。【结论】双模-异质超图注意力神经网络模型能高质量地刻画多元技术融合创新的高阶异质交互信息,更精准、细粒度地发现技术融合创新机会。 展开更多
关键词 技术融合创新 机会发现 链路预测 异质超图神经网络
基于超图神经网络与动态知识追踪融合的学习路径推荐 认领 引用 被引量：1
13
作者 刘美麟 马乐 《计算机科学》 CSCD 北大核心 2026年第5期68-78,共11页
针对现有学习路径推荐方法在个性化适配性、动态适应性以及多目标优化方面的不足,提出一种基于超图神经网络与知识追踪的协同推荐模型。通过构建学习资源无向图编码资源关联关系,生成学习资源嵌入向量,并结合超图神经网络聚合学习者历... 针对现有学习路径推荐方法在个性化适配性、动态适应性以及多目标优化方面的不足,提出一种基于超图神经网络与知识追踪的协同推荐模型。通过构建学习资源无向图编码资源关联关系,生成学习资源嵌入向量,并结合超图神经网络聚合学习者历史行为数据,捕获学习者-学习资源交互特征。设计多目标优化策略,利用非支配排序遗传算法(NSGA-Ⅱ)生成帕累托前沿解集,同步优化学习路径推荐精准性、难度适配性、有效性与学习资源多样性,并结合权重分配与综合效用函数提升学习路径的质量。在MOOCCube与MOOPer数据集上对所提方法进行实验,其在MOOPer数据集上的HR@5与MRR@5分别达93.9%与90.7%,实现了学习路径的精准推荐。实验结果验证了所提模型在学习者历史交互建模与课程结构约束融合方面的有效性。 展开更多
关键词 学习路径推荐 超图神经网络 知识追踪 多目标优化 权重分配
暂未订购 下载PDF
面向精神疾病脑功能连接网络分析的加权超图注意力神经网络研究 认领 引用
14
作者 林修炜 王志锋 +5 位作者 严浩涛 曾斯奥 王培洲 吴泽涛 余薪 韩隽熙 《生物医学工程学杂志》 EI CAS 北大核心 2026年第2期319-327,共9页
超图神经网络(HGNN)能够捕捉脑区间的高阶交互关系,为精神疾病领域的脑功能连接网络分析提供了新途径。本文提出一种基于相位—振幅耦合加权的超图注意力神经网络(PAC-HyperGAT)模型,用于实现脑部精神疾病的诊断分析。该方法首先基于弹... 超图神经网络(HGNN)能够捕捉脑区间的高阶交互关系,为精神疾病领域的脑功能连接网络分析提供了新途径。本文提出一种基于相位—振幅耦合加权的超图注意力神经网络(PAC-HyperGAT)模型,用于实现脑部精神疾病的诊断分析。该方法首先基于弹性网稀疏回归构建脑功能超图结构,进而通过计算超边内部节点间的相位—振幅耦合强度,为超边赋予具有神经生理学意义的权重。在此基础上,本文进一步设计了一种新型超图注意力卷积核,通过改进节点级消息传递机制,使PAC-HyperGAT模型能够有效融合超边权重信息,提升脑功能连接网络表示的判别能力。本研究在公开的注意力缺陷多动障碍(ADHD)与重度抑郁症(MDD)脑电数据集上进行系统验证。实验结果表明,PAC-HyperGAT在ADHD分类中的准确率达到(72.14±9.19)%,多项性能指标均显著优于现有脑功能连接网络分析方法;该模型在MDD分类任务中同样表现出卓越性能,显示出良好的跨疾病泛化能力。此外,该模型还成功识别出与疾病病理相关的关键脑区。综合而言,本文所提方法在泛化性、鲁棒性与可解释性方面均表现优异,为精神疾病的客观诊断与脑机制解析提供了可靠的分析工具。 展开更多
关键词 脑功能连接网络 加权超边 超图神经网络 相位—振幅耦合 精神疾病分类 消息传递机制
暂未订购 下载PDF
一种基于电子健康记录的多尺度图表示学习模型 认领 引用
15
作者 樊捷杰 班晓娟 张志研 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第1期31-41,共11页
现有的电子健康记录(electronic health records,EHR)的图表示学习方法多依赖单个患者的局部信息,忽视了群体患者在疾病演化和诊疗路径上的潜在关联,从而限制了模型的泛化性与鲁棒性.针对这一问题,本文提出一种混合多层级图神经网络(hyb... 现有的电子健康记录(electronic health records,EHR)的图表示学习方法多依赖单个患者的局部信息,忽视了群体患者在疾病演化和诊疗路径上的潜在关联,从而限制了模型的泛化性与鲁棒性.针对这一问题,本文提出一种混合多层级图神经网络(hybrid multi-level graph neural network,H-MGNN)模型,并将其应用于重症监护室(intensive care unit,ICU)患者的死亡预测.该模型通过构建宏观层面的患者关系图(patient-patient graph,P-P)、微观层面的分类-笔记-词汇超图(taxonomy-note-word hypergraph,T-N-W),结合超图的时序依赖关系,实现多尺度上的患者特征融合.同时,本文设计了融合算法(hybrid embedding,Hybrid-E),用于提取和整合患者嵌入的潜在特征,以提升预测准确性.实验结果表明,H-MGNN在MIMIC-Ⅲ(medical information mart for intensive care Ⅲ)数据集上的住院死亡率预测等任务中显著优于现有方法,验证了其在复杂EHR数据挖掘中的有效性和先进性. 展开更多
关键词 电子健康记录 多尺度 超图 图神经网络
暂未订购 下载PDF
超图驱动的多源知识融合情感对话生成方法 认领 引用 被引量：1
16
作者 朱永梦 詹卫华 《计算机应用研究》 CSCD 北大核心 2026年第3期851-857,共7页
情感对话生成是提升系统交互体验的关键环节,但现有方法在多源知识建模和情感策略引导方面仍存在不足,难以同时捕捉语义、情感和策略间的高阶依赖关系。为解决上述问题,提出了一种超图驱动的多源知识融合情感对话生成模型(MIFS-HGCN)。... 情感对话生成是提升系统交互体验的关键环节,但现有方法在多源知识建模和情感策略引导方面仍存在不足,难以同时捕捉语义、情感和策略间的高阶依赖关系。为解决上述问题,提出了一种超图驱动的多源知识融合情感对话生成模型(MIFS-HGCN)。该模型通过关系时序超图将历史对话、情感状态、策略回复和对话背景等信息进行动态场景建模和特征聚合。然后,使用门控-注意力协同机制在情感和策略的双重约束下进行多源知识的高效融合,以生成情感一致、策略合理的共情回复。ESConv数据集上的实验结果表明,模型的困惑度下降至14.25,在BLEU-1/2、Distinct-1/2和ROUGE-L指标上相较于之前的KEMI和DQ-HGAN等模型均有显著的提升。研究结果表明,该模型能够有效提升情感对话生成的准确性、连贯性和多样性。 展开更多
关键词 超图神经网络 多源知识融合 情感策略支持 对话生成
暂未订购 下载PDF
用于三维点云分割的超图卷积生成对抗网络 认领 引用
17
作者 田方圆 陈峰 +1 位作者 朱贵发 农丽萍 《电讯技术》 北大核心 2026年第6期1035-1044,共10页
点云分割是场景理解、目标识别、文化遗产保护等领域的一项基础且关键的技术。然而,由于点云数据的复杂性,如何从点云中提取深层特征对目前的研究提出了很大的挑战。为了解决这一问题,提出了一个结合超图卷积和生成对抗网络的新框架,用... 点云分割是场景理解、目标识别、文化遗产保护等领域的一项基础且关键的技术。然而,由于点云数据的复杂性,如何从点云中提取深层特征对目前的研究提出了很大的挑战。为了解决这一问题,提出了一个结合超图卷积和生成对抗网络的新框架,用于点云分割。首先,使用超图建模点云之间的几何拓扑关系,捕捉点云中的高阶相关性。其次,以多层超图卷积作为鉴别器,结合生成对抗模型构建超图生成对抗网络,提取点云稀疏区域的细节特征。最后,利用逐点损失和对抗损失相结合对网络进行训练,提升网络训练的稳定性和标签预测的准确性。在ShapeNet Part数据集上进行了点云分割实验,结果表明所提方法在16个类别上的平均交并比(Intersection over Union,IoU)为84.5%,较大地提升了分割精度。 展开更多
关键词 三维点云分割 超图卷积神经网络 生成对抗网络
暂未订购 下载PDF
基于动态图卷积和超图学习的交通流量预测 认领 引用
18
作者 赵星博 连德富 《计算机科学》 CSCD 北大核心 2026年第7期205-212,共8页
交通流量预测问题旨在基于历史观测数据实现未来交通状态的精准预测。为了更好地建模交通网络中的复杂时空关系,需要利用数据中存在的多种关联模式,包括成对关联和高阶关联。然而,在交通时空数据中关联模式是需要挖掘的,很难通过先验知... 交通流量预测问题旨在基于历史观测数据实现未来交通状态的精准预测。为了更好地建模交通网络中的复杂时空关系,需要利用数据中存在的多种关联模式,包括成对关联和高阶关联。然而,在交通时空数据中关联模式是需要挖掘的,很难通过先验知识构建出有效的关联结构。对此,利用图结构来建模数据的成对关联,利用超图结构来建模数据的高阶关联,并通过注意力机制对图卷积和超图卷积进行自适应的动态整合。在成对关联建模中,利用节点嵌入来推断图结构。为了更好地捕捉数据中关联的动态变化特性,设计了一种动态图结构学习方法,从动态变化的数据中捕捉关联模式。在高阶关联建模中,利用矩阵优化来直接学习超图结构,并且为了有效地捕捉全局性依赖关系,引入了一个对比学习损失函数。在时间维度上,采用时序Transformer架构,利用自注意力机制实现交通流量时序依赖关系的多尺度建模。在多个常用的交通流量数据集上的实验表明,提出的模型能够很好地建模交通路网中的复杂时空关系,预测精度相较于多种基线模型有显著的提升。 展开更多
关键词 交通流量预测 动态图卷积 超图 时空嵌入 图神经网络
暂未订购 下载PDF
基于超图卷积的几何点云补全网络 认领 引用
19
作者 邱佳悦 叶海良 +2 位作者 梁吉业 吕科 曹飞龙 《计算机研究与发展》 EI CSCD 北大核心 2026年第8期2154-2168,共15页
深度学习方法因其具备快速推理和良好泛化能力,在点云补全任务中取得了显著进展。然而,现有方法较少关注点云的局部几何信息,如法线、向量夹角及高阶关系等。为此,提出一种基于超图卷积的几何点云补全网络,以生成细节丰富的完整点云。... 深度学习方法因其具备快速推理和良好泛化能力,在点云补全任务中取得了显著进展。然而,现有方法较少关注点云的局部几何信息,如法线、向量夹角及高阶关系等。为此,提出一种基于超图卷积的几何点云补全网络,以生成细节丰富的完整点云。该框架主要包括2个核心组件:几何特征提取器与基于超图卷积的粗生成模块。具体而言,前者充分提取点云的法线、中心点与采样点之间的差异向量及其夹角,并将其作为位置编码融入Transformer结构中,使编码器更充分地学习点云的几何特性与旋转不变特征。此外,在基于超图卷积的粗生成模块中,通过引入超图建模点之间的高阶相关性,并利用交叉注意力机制探索逐点特征与高阶邻域特征间的交互作用,指导生成更具几何结构合理性的点云。在多个数据集上的大量实验结果验证了该方法具有较为优越的性能。 展开更多
关键词 图神经网络 点云补全 几何深度学习 超图学习 特征提取
暂未订购 下载PDF
融合时间感知与超图的在线课程推荐方法研究 认领 引用
20
作者 马萌 《科技资讯》 2026年第11期239-242,共4页
为解决在线教育平台信息过载问题,本文提出一种时间感知的超图序列推荐(Temporal-Aware Hypergraph-Enhanced Sequential Recommendation,THSRec)模型。该模型通过时间衰减机制构建动态加权超图,使超图神经网络能够聚合用户近期兴趣的... 为解决在线教育平台信息过载问题,本文提出一种时间感知的超图序列推荐(Temporal-Aware Hypergraph-Enhanced Sequential Recommendation,THSRec)模型。该模型通过时间衰减机制构建动态加权超图,使超图神经网络能够聚合用户近期兴趣的高阶信号,并协同门控循环单元(Gated Recurrent Unit,GRU)建模序列模式,以克服现有方法难以兼顾高阶关联与交互时序的不足。在MOOCCube数据集上的实验表明,THSRec的HR@20达到0.3019,优于基于自注意力的序列推荐(Self-Attentive Sequential Recommendation,SASRec)和基于超图的推荐(Hyper-Based Recommendation,HyperRec)基线模型,验证了时间感知超图结构对提升课程推荐召回率的有效性。 展开更多
关键词 课程推荐 个性化推荐 超图神经网络 时间感知
暂未订购 下载PDF
已选0条
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 2 … 5 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈