摘要：图卷积神经网络在处理知识图谱时存在模型训练开销大、元路径设计缺少普适性的问题,针对这类问题,提出了一种基于距离策略的知识图谱图卷积网络推荐算法。通过在知识图谱中划分中心节点和辅助信息节点的方式对知识图谱进行重构,优化生成的邻接矩阵,然后在图卷积算法的基础上,将用户和实体之间的关系建立标准化评分,根据辅助信息距中心节点之间的距离设计了距离策略,通过距离-影响力函数完成对知识图谱中信息特征的提取,最后将知识图谱特征作为辅助完成推荐任务。实验选取三个数据集与其他先进模型进行对比实验,发现该模型在训练时间和推荐效果上均处于优势地位,具有一定的普适性。

摘要：图卷积神经网络(graph convolutional neural network,GCN)因其强大的建模能力引起了广泛关注,在商品推荐中,现有的图卷积协同过滤技术忽略了邻居节点在传播聚合过程中的重要性,使得用户和商品的嵌入向量表达不够合理。为了解决这一问题,本文提出一种融合图卷积注意力机制的协同过滤推荐模型。首先通过图嵌入技术将用户-项目的交互信息映射到低维稠密的向量空间;其次通过堆叠多层的图卷积网络学习用户与项目间的高阶交互信息;同时融合注意力机制为邻居节点自适应地分配权重,不仅可以捕获更具代表性的邻居影响,还使得在聚合邻居节点的特征信息时,仅依赖于节点之间的特征表达,使其独立于图结构,提高了模型的泛化能力;最后设计了分层聚合函数,将图卷积层学习到的多个嵌入向量加权聚合,使用内积函数得到用户-项目之间的关联分数。在3个真实数据上进行的泛化实验,实验结果验证了该方法的有效性。

摘要：图卷积网络(graph convolution network,GCN)因其强大的建模能力得到了迅速发展,目前大部分研究工作直接继承了GCN的复杂设计(如特征变换,非线性激活等),缺乏简化工作。另外,数据稀疏性和隐式负反馈没有被充分利用,也是当前推荐算法的局限。为了应对以上问题,提出了一种融合社交关系的轻量级图卷积协同过滤推荐模型。模型摒弃了GCN中特征变换和非线性激活的设计;利用社交关系从隐式负反馈中产生一系列的中间反馈,提高了隐式负反馈的利用率;最后,通过双层注意力机制分别突出了邻居节点的贡献值和每一层图卷积层学习向量的重要性。在2个公开的数据集上进行实验,结果表明所提模型的推荐效果优于当前的图卷积协同过滤算法。

摘要：介绍了日本三菱FX2N-32MT可编程控制器DSW功能指令、SEGL功能指令和ARWS功能指令的要素、操作数设定和输入输出方式,并利用其功能指令的组合,研究设计的定时器、计数器设定值修改及当前值显示的控制程序,实现了PLC控制系统中定时器、计数器设定值修改方便,当前值显示准确和操作灵活。以定时器设定值修改及当前值显示为例,设计出梯形图,通过模拟调试运行实验结果表明该系统具有良好的性能。

摘要：万维网是一个巨大的、分布广泛和全球性的信息服务中心,它涉及新闻、广告、消费信息、金融管理、教育、政府、电子商务和许多其他信息服务。Web文本挖掘系统是挖掘技术的重要应用方向,它是指在给定的分类体系下,根据网页的内容自动判别内容类别的过程。

摘要：比较详细地阐述了递归调用的过程与实质，同时指出了递归调用所带来的利与弊，从系统优化的角度给出了递归调用一个评价。