摘要：针对知识图谱驱动的图神经网络推荐算法无法同时学习用户和项目表示的问题,提出了融合用户偏好的图神经网络推荐模型,该模型分别从用户视角和实体视角学习用户和项目表示。首先,用户视角根据用户历史交互记录在知识图谱中传播用户偏好,增强用户表示;其次,实体视角通过图卷积网络聚集候选实体邻居信息以丰富实体的表示,同时设计一个混合层,分别从宽度和深度两个方面捕获高阶连通性和混合分层信息来增强项目表示,再将增强的用户表示向量和项目表示向量输入预测函数中,用于预测交互概率;最后,使用固定个数采样方法和阶段性训练策略优化模型的性能。在MovieLens-1M数据集上进行点击率预测实验,结果表明,所提模型的AUC与基准方法RippleNet和KGCN相比分别提升了1.7%和2.3%。

摘要：逻辑推理是感知视觉元素间规律和联系的能力,使计算机拥有类人的推理能力是一项重要的研究内容。在大量数据和深度模型的驱动下,现今人工智能已在图像处理等领域中取得超越人类水平的表现,但通过图像进行逻辑推理的能力还较落后。为解决面向逻辑推理的多尺度关系网络(MRNet)特征提取能力不足及泛化性较差的问题,提出一种改进的残差注意力多尺度关系网络(ResAMRNet)。在主干网络中,利用残差结构并结合跳跃连接与长跳跃连接,将浅层特征融入深层网络训练过程中,减少特征信息丢失,并提高模型特征提取能力。在推理模块中,将通道注意力机制与残差模块相融合检测每行图片间的关系特征,差异化各特征通道的重要程度,自适应学习注意力权重,提取关键特征。设计双池化高效通道注意力机制,结合全局最大池化进一步获取对象的特征信息,提高模型泛化性。在RAVEN和I-RAVEN数据集上的实验结果表明,ResAMRNet的分类准确率相比于MRNet分别提升了8.3和18.1个百分点,具有较强的逻辑推理能力。

摘要：针对利用触发图和活化图的方法来判定主动规则集的可终止性存在一定的局限性,从而影响了运行阶段规则系统的执行效率并限制了主动规则在众多领域中的灵活应用的问题.提出了利用基于活化路径建立的条件公式进行判定的方法,结果表明该方法可以比现有方法发现更多的可终止性情形.对主动规则集的设计和应用具有一定的意义.

摘要：设计达到第三范式标准的数据库模式,是数据库建设的关键。本文针对海洋环境数据基本为调查数据、数据之间因缺乏业务逻辑无法确立依赖关系的现状,提出了根据现有数据模式识别数据依赖的方法,并应用于数据库模式的规范化设计,通过理论和实践证明海洋环境数据库模式设计达到第三范式标准,成功应用于城市风暴潮防灾减灾辅助决策支持系统等项目建设中。

摘要：关联规则挖掘是经典的数据挖掘方法,越来越多的企业都把它看作是必不可少的战略分析工具。当前关联规则挖掘方法得到的规则过多,令用户在运用时难以理解,因此研究关联规则集的约简方法具有应用价值。研究了数据库模式中关键字包含的主属性对基于Apriori算法的关联规则挖掘产生的关联规则的影响,即部分函数依赖会导致关联规则挖掘的数据集中冗余信息的频繁出现,并产生没有实际价值的关联规则,识别并消除这样的规则就能实现规则集的约简。求全部主属性如同求所有候选关键字问题都是NP难题,因此提出了一种基于一个候选关键字进行验证的算法来判定主属性,从而完成基于主属性判定的关联规则挖掘约简算法的设计与实现,并在最后的实验中验证了该算法的有效性。