针对现有的归纳关系预测方法中大多只考虑实体之间的关系路径,未考虑关系上下文包含的头尾实体的性质,提出一种融合关系路径和关系上下文的归纳关系预测(inductive relation prediction fusing relation path and context,IRP-RPC)模型...针对现有的归纳关系预测方法中大多只考虑实体之间的关系路径,未考虑关系上下文包含的头尾实体的性质,提出一种融合关系路径和关系上下文的归纳关系预测(inductive relation prediction fusing relation path and context,IRP-RPC)模型,将关系上下文作为关系路径的补充来进行归纳关系预测.该方法仅依赖于关系语义信息,因此能够自然地推广到完全归纳的设置.先使用随机行走寻径策略获取关系路径和关系上下文,再设计并实现一个层次化的融合了门控网络的Transformer架构来统一聚合关系路径和关系上下文,以捕获实体之间的联系和实体的内在属性,并采用这些组件的自适应加权组合来做出最终预测.在公开的FB15K-237和NELL-995的8个版本归纳数据集上进行实验,与9个基线模型相比,IRP-RPC模型在精确率-召回率曲线下的面积(area under the precision-recall curve,AUC-PR)和hits@10指标上均取得了优异的性能,验证了其有效性和可推广性.研究表明,IRP-RPC模型通过融合关系路径和关系上下文,能够更全面地建模实体间的语义联系与结构信息,在解决传统归纳关系预测方法中路径信息与上下文信息利用不足的问题上具有显著优势.展开更多
科学有效地预测水质对于水环境的可持续发展和人类健康具有重要意义,为此以固原市某黄河断面的水质监测数据为研究对象,提出了基于指标客观性的权重赋权(Criteria Importance Though Intercriteria Correlation,CRITIC)法和改进的秃鹰搜...科学有效地预测水质对于水环境的可持续发展和人类健康具有重要意义,为此以固原市某黄河断面的水质监测数据为研究对象,提出了基于指标客观性的权重赋权(Criteria Importance Though Intercriteria Correlation,CRITIC)法和改进的秃鹰搜索(Improved Bald Eagle Search,IBES)算法优化双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BiLSTM)的组合水质等级预测模型。首先,采用CRITIC法确定各水质指标的权重,加权求和获得一项综合水质指标,从而提出一种改进的水质评价指标体系,以为BiLSTM提供更丰富、更可靠的水质特征信息。其次,在训练过程中引入Logistic映射和莱维飞行策略,并设计交叉共享及准反向搜索策略优化秃鹰搜索(Bald Eagle Search,BES)算法,以提升其种群多样性,增强寻优能力。最后,通过IBES算法迭代寻找BiLSTM的最佳学习率、隐藏层节点数以及正则化系数的超参数组合,进一步提高其预测水平。结果显示:与IBES-BiLSTM、BES-BiLSTM、GA-BiLSTM、PSO-BiLSTM和BiLSTM等模型相比,CRITIC-IBES-BiLSTM模型进行水质等级预测的准确率、精准率、召回率及F_(1)均最高,且具有更好的稳定性。展开更多
最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求...最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求解该问题。目前,求解该问题的算法主要集中在基于启发式的近似算法、智能优化算法、信息传播算法等,并取得了很好的效果。在不同规模的网络中,基于传统遗传算法给出一种叶交叉机制(leaf crossover,LC),使用该机制的算法性能表现更好。通过对这些算法的原理、性能、精度等方面进行梳理,归纳出算法的优缺点,并指出STP的研究方向和算法设计路径,对于相关问题的研究有指导意义。展开更多
文摘针对现有的归纳关系预测方法中大多只考虑实体之间的关系路径,未考虑关系上下文包含的头尾实体的性质,提出一种融合关系路径和关系上下文的归纳关系预测(inductive relation prediction fusing relation path and context,IRP-RPC)模型,将关系上下文作为关系路径的补充来进行归纳关系预测.该方法仅依赖于关系语义信息,因此能够自然地推广到完全归纳的设置.先使用随机行走寻径策略获取关系路径和关系上下文,再设计并实现一个层次化的融合了门控网络的Transformer架构来统一聚合关系路径和关系上下文,以捕获实体之间的联系和实体的内在属性,并采用这些组件的自适应加权组合来做出最终预测.在公开的FB15K-237和NELL-995的8个版本归纳数据集上进行实验,与9个基线模型相比,IRP-RPC模型在精确率-召回率曲线下的面积(area under the precision-recall curve,AUC-PR)和hits@10指标上均取得了优异的性能,验证了其有效性和可推广性.研究表明,IRP-RPC模型通过融合关系路径和关系上下文,能够更全面地建模实体间的语义联系与结构信息,在解决传统归纳关系预测方法中路径信息与上下文信息利用不足的问题上具有显著优势.
文摘科学有效地预测水质对于水环境的可持续发展和人类健康具有重要意义,为此以固原市某黄河断面的水质监测数据为研究对象,提出了基于指标客观性的权重赋权(Criteria Importance Though Intercriteria Correlation,CRITIC)法和改进的秃鹰搜索(Improved Bald Eagle Search,IBES)算法优化双向长短时记忆网络(Bidirectional Long Short-Term Memory Network,BiLSTM)的组合水质等级预测模型。首先,采用CRITIC法确定各水质指标的权重,加权求和获得一项综合水质指标,从而提出一种改进的水质评价指标体系,以为BiLSTM提供更丰富、更可靠的水质特征信息。其次,在训练过程中引入Logistic映射和莱维飞行策略,并设计交叉共享及准反向搜索策略优化秃鹰搜索(Bald Eagle Search,BES)算法,以提升其种群多样性,增强寻优能力。最后,通过IBES算法迭代寻找BiLSTM的最佳学习率、隐藏层节点数以及正则化系数的超参数组合,进一步提高其预测水平。结果显示:与IBES-BiLSTM、BES-BiLSTM、GA-BiLSTM、PSO-BiLSTM和BiLSTM等模型相比,CRITIC-IBES-BiLSTM模型进行水质等级预测的准确率、精准率、召回率及F_(1)均最高,且具有更好的稳定性。
文摘最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求解该问题。目前,求解该问题的算法主要集中在基于启发式的近似算法、智能优化算法、信息传播算法等,并取得了很好的效果。在不同规模的网络中,基于传统遗传算法给出一种叶交叉机制(leaf crossover,LC),使用该机制的算法性能表现更好。通过对这些算法的原理、性能、精度等方面进行梳理,归纳出算法的优缺点,并指出STP的研究方向和算法设计路径,对于相关问题的研究有指导意义。
