摘要：多数图卷积网络(GCN)模型通过设计高效的信息传递和保留方式提升节点分类任务的实验表现,忽略了节点标签信息在拓扑空间和属性空间的传播。针对上述问题,提出了一种基于标签传播算法(LPA)增强的多通道图卷积模型MGCN-LPA,同时增大同类节点在属性和拓扑空间的关系权重,改善节点间特征和标签信息的传播。首先,计算不同节点的属性相似度值,并采用k近邻算法生成属性关系图;然后,利用结合了GCN和LPA的图卷积层GCN-LPA提取属性图和属性关系图的潜在特征,生成拓扑节点表示和属性节点表示;最后,将拓扑和属性表示进行融合,并将生成的最终表示用于节点分类任务。在3个基准图数据集上进行实验,MGCN-LPA的实验表现能够匹配当前较为先进的基线模型,其在Cora和Citeseer数据集上的分类结果相比表现最优的基线模型提升了9.3%和12%。上述实验结果表明,MGCN-LPA能够增大同类节点间路径的权重,从而增强同类节点间的信息传递,提升节点分类任务的实验表现。此外,消融实验结果表明,与仅使用拓扑空间或者属性空间信息的变体相比,融合两类信息的MGCN-LPA能够充分提取和保留原始图中蕴含的潜在特征,提升模型的表征能力和泛化性。

摘要：针对基于图卷积的自编码器模型对原始图属性和拓扑信息的保留能力有限、无法学习结构和属性之间深度关联信息等问题,提出基于多通道图卷积自编码器的图表示学习模型。设计拓扑和属性信息保留能力实验,验证了基于图卷积的自编码器模型具备保留节点属性和拓扑结构信息的能力。构建特定信息卷积编码器和一致信息卷积编码器,提取图的属性空间特征、拓扑空间特征以及两者关联特征,生成属性嵌入、拓扑嵌入和一致性嵌入,同时建立与编码器对称的卷积解码器,还原编码器过程。使用重构损失、局部约束和一致性约束,优化各编码器生成的低维嵌入表示。最终将蕴含不同图信息的多种嵌入进行融合,生成各节点的嵌入表示。实验结果表明,该模型在BlogCatalog和Flickr数据集上节点分类的Micro-F1和Macro-F1明显高于基线模型,在Citeseer数据集上节点聚类的精度和归一化互信息相比于表现最优的基线模型提升了11.84%和34.03%。上述实验结果证明了该模型采用的多通道方式能够在低维嵌入中保留更丰富的图信息,提升图机器学习任务的性能表现。

摘要：多数图神经网络(Graph Neural Networks,GNN)通过设计复杂的节点信息传递和聚合方式,以提升节点分类等图分析任务的实验表现,而本文提出了一种无需信息传递和聚合的图多层感知机(Multi-Layer Perceptron,MLP)模型A&T-MLP,利用属性和拓扑信息引导的对比损失来增强模型表征能力。A&T-MLP首先使用属性矩阵和邻接矩阵计算节点间的属性和拓扑相似度;然后使用基于相似度信息引导的对比损失,增大特征空间中相似节点的一致性和不相似节点的差异性;最后构建多层感知机模型并引入交叉熵损失进行端到端训练。在节点分类任务中,A&T-MLP表现优于基线模型,Wikipedia数据集上的Micro-F1和Macro-F1相较GNN模型图卷积网络(Graph Convolutional Network,GCN)提升了15.86%和13.64%。实验结果表明,A&T-MLP能够通过对比损失保留丰富原始图的信息,提升模型性能。此外,A&T-MLP在处理拓扑信息不准确的图数据时具有较为明显的优势,即使在缺失80%拓扑信息的极端情况下,其实验表现依然优于基线模型。

摘要：近几年,图神经网络(Graph Neural Network,GNN)的成功推动了物理、生物、化学、计算机视觉、自然语言处理等众多领域的研究。许多深度学习任务,如语义分割、文本分类和动作识别,由以往使用欧式数据的卷积神经网络(Convolutional neural network,CNN)和循环神经网络(Recurrent Neural Network,RNN)方法转变为使用非欧式数据的GNN方法。在GNN地推动下,通过借鉴CNN、RNN等神经网络的思想,研究者定义和设计了用于处理图数据的特殊网络—图卷积神经网络(Graph Convolutional Network,GCN)。本文中,将对GNN、GCN以及GCN的变体进行介绍,讨论GCN在多个领域的应用,并对GCN未来的研究方向进行思考。

摘要：在我国加快推进农业现代化建设的新形势下,农业科技推广面临着新任务、新要求。文章以辽宁省农业科学院为例,阐述了现代农业规划设计中心概况,分析了规划咨询服务对成果转化的助推作用,如带动地方开展科技共建、争取实施重要科技推广项目、为院企合作搭建桥梁等,以期通过加强农业规划咨询服务职能,促进省级科研单位与政府部门、农业新型经营主体有效衔接,疏通科技成果转化渠道,有效带动技术、人才、成果向农业生产一线聚集,逐渐完善农业科技服务体系。

摘要：现代学徒制属于一种新的育人模式,它主要是由企业和学校两方面的共同努力得以实现并获得长远发展的。该制度适应了时代发展的潮流,得到许多院校的青睐,现如今大专院校中的许多专业都开始广泛运用现代学徒制,其中具有代表性的是现代学徒制在大专院校美术教学中的应用。