基于图表示学习的会话感知推荐模型

根据历史记录预测用户的下一次点击(即基于会话的推荐)是推荐系统中一个重要的子任务.重点研究会话推荐中如何在不牺牲预测准确性的情况下缓解用户的兴趣漂移问题,提高用户满意度.基本思想是从全局统计的角度出发,建立一个用于表示物品先后点击顺序的物品依赖关系图,据此提出一种图表示学习算法,生成可以保留关联物品间复杂关联关系的物品向量表达,最后,基于长/短期记忆机制,将物品向量表达作为“固定”输入,从而构建一个可以同时捕捉用户长期兴趣和短期兴趣的会话感知推荐模型.不同于其他相关工作,首次提出将下一次点击预测模型建立在“固定”物品表达的基础上.在公开数据集上的实验结果表明：提出的推荐模型在预测准确性和推荐多样新颖性上的表现优于其他相关方法.     

图表示学习方法研究综述

针对图表示方法的相关解析任务进行了研究,从形式化定义出发,首先以不同核心技术作为分类标准将图表示学习方法划分为五大类,其包括基于降维解析、矩阵分解、随机游走、深度学习和其他表示学习方法。其次通过归纳与对比分析梳理各类技术发展脉络,进而深层次展现各类图表示方法的优劣。随后结合图表示学习的常用数据集、评估方法和应用领域的归纳分析,展开动态性、可扩展性、可解释性和可解析性的四维剖析。最后总结并展望了图表示学习的未来研究趋势与发展方向。     

采用新型元路径的异构图表示学习方法

图神经网络已经成为推荐系统领域的一种主要方法。很多研究把元路径融入到异构图神经网络中,但绝大多数元路径的定义方式只考虑节点之间是否存在连接。而在异构图中同一个节点可能被多条不同类型的边所连接,如用户对物品的浏览、加入购物车、购买等不同交互行为,按照传统的元路径定义方式进行实例化会因为忽略了边的类型而导致学习的节点embedding不准确。针对上述问题,提出一种在异构图上把边类型融入到元路径的方法,使节点在每个场景下得到单独训练。然后,使用图注意力机制将不同场景下的同一节点的embedding进行聚合,最终得到该节点的embedding。并用来预测用户与未交互的物品之间的行为关系,从而达到向用户推荐物品的目的。实验表明,提出的算法在三个公开数据集上都取得了性能提升,在阿里天池赛数据集上F1、ROC-AUC和PR-AUC指标分别提高了8.75%、6.03%和4.86%。     

基于图划分抽样算法的图表示学习

在基于神经网络的图表示算法中,当节点属性维度过高、图的规模过大时,从内存到显存的数据传输会成为训练性能的瓶颈。针对这类问题,该方法将图划分算法应用于图表示学习中,降低了内存访问的I/O开销。该方法根据图节点的度数,将图划分成若干个块,使用显存缓存池存储若干个特征矩阵块。每一轮训练,使用缓存池中的特征矩阵块,以此来减少内存到显存的数据拷贝。针对这一思想,该方法使用基于图划分的抽样算法,设计显存的缓存池来降低内存的访问,运用多级负采样算法,降低训练中负样本采样的时间复杂度。在多个数据集上,与现有方法对比发现,该方法的下游机器学习准确率与原算法基本一致,训练效率可以提高2~ 7倍。实验结果表明,基于图划分的图表示学习能高效训练模型,同时保证节点表示向量的测试效果。今后的课题可以使用严谨的理论证明,阐明图划分模型与原模型的理论误差。     

基于有向生成图的需求验证方法

软件工程中的需求具有抽象性和复杂性,未经验证的需求会给项目带来较大需求风险。该文提出一种基于有向生成图的需求验证方法,论述UML对话图建模和模型映射规则、任务分解策略和形式化描述,以及需求验证过程涉及的转化模型和算法。该方法有效克服了需求验证过程中的复杂性和经验操作。从理论上分析该方法的可用性,通过实例验证了该方法的有效性。     

基于图模型和注意力模型的会话推荐方法

为解决基于循环神经网络（RNN）会话推荐方法的兴趣偏好表示不全面、不准确问题,提出基于图模型和注意力模型的会话推荐（SR-GM-AM）方法。首先,图模型利用全局图和会话图分别获取邻域信息和会话信息,并且利用图神经网络（GNN）提取项目图特征,项目图特征经过全局项目表示层和会话项目表示层得到全局级嵌入和会话级嵌入,两种级别嵌入结合生成图嵌入;然后,注意力模型使用软注意力进行图嵌入和反向位置嵌入融合,目标注意力激活目标项目相关性,注意力模型通过线性转换生成会话嵌入;最后,SR-GM-AM经过预测层,输出下次点击的N项推荐列表。在两个真实的公共电子商务数据集Yoochoose和Diginetica上对比了SR-GM-AM方法与基于无损边缘保留聚合和快捷图注意力的推荐（LESSR）方法,结果显示,SR-GM-AM方法的P@20最高达到了72.41%,MRR@20最高达到了35.34%,验证了SR-GM-AM的有效性。     

基于消息的分布式控制程序构建

从消息的角度出发提出了一种构建分布式控制程序的新方法。分布式控制程序由通过消息协作的独立分布点程序构成,分布点的独立性使其可以独立设计,通过点间的消息传递,即消息体系,连接成完整应用;提出了基于规则的独立点设计方法、用消息流图表示的消息体系以及基于内容的消息传递机制。通过对汽车行驶监控系统的设计和模拟实现表明,该构建方法降低了设计和建造系统的复杂度,更好地保证了程序的正确性;同时,使用该方法构建的系统体系结构灵活,可扩展性好。     

场景关系图学习的群组行为识别

为解决群组行为识别中复杂个体关系描述不准确,造成的个体关系推理不可靠的问题,关注于面向个体、群体、场景三个方面来构建场景关系图,提出场景关系图网络用于实现群组行为识别。该网络包括特征提取模块、场景关系图推理模块以及分类模块。特征提取模块通过卷积神经网络提取个体特征、群组特征、和场景特征。为了充分描述场景对于个体和群组描述的影响,场景关系图推理模块通过使用两分支网络分别建立个体—场景关系图以及群组—场景关系图帮助学习个体特征和群组特征。场景关系图推理同时考虑了个体特征对群组特征的影响,并引入了跨分支关系。分类模块用于将个体特征和群体特征进行分类预测。实验结果显示该方法在volleyball和collective activity数据集上的群组识别准确率分别提升了1.1%和0.5%,证实了提出的场景关系图在描述个体特征和群组特征上的有效性。     

面向任务的基于深度学习的多轮对话系统与技术

自然语言是人类智慧的结晶,以自然语言的形式与计算机进行交互是人们长久以来的期待.随着自然语言处理技术的发展与深度学习方法的兴起,人机对话系统成为了新的研究热点.人机对话系统按照功能可以分为任务导向型对话系统、闲聊型对话系统、问答型对话系统.任务导向型对话系统是一种典型的人机对话系统,旨在帮助用户完成某些特定的任务,有着...     

基于JMS规范的消息系统可靠性保障对策

为实现机场管理信息系统（AMIS）中各业务子系统之间互操作和无缝连接,基于JMS规范的消息系统首先需要解决的就是消息可靠性问题,在针对JMS规范的两种消息传递模型,结合机场消息中事件固有的先后顺序关系,提出了一种更高效更适合机场业务的保障消息可靠性的方法,并给予了实现。     

有向图在复杂系统脆性时间确定中的应用

复杂系统各子系统之间的脆性联系可以用有向图的形式表示,内、外界的干扰导致某子系统的崩溃,根据子系统之间存在着脆性联系,而最终将导致整个复杂系统的崩溃;本文则是找出复杂系统崩溃的路径,并以树的形式表示;根据脆性激发具有一定的延时,从中找到有可能使整个复杂系统崩溃的最短时间;因此,只要加紧控制发生在最短时间之内的各崩溃子系统,便能有效地防止整个复杂系统的崩溃。