摘要：5G时代,通信运营商面临网络复杂化、业务差异化和用户需求多样化等挑战,引入人工智能技术,实现对用户的精准感知,并按需为用户提供个性化服务,已经成为运营商数字化转型的重点方向。研究了用户精准感知系统的构建方案,系统具备对运营商网络数据、业务数据以及声音、图像、文本数据进行多模态融合的能力,并能够通过图神经网络算法进行建模分析,实现对用户的精准感知与洞察。另外,介绍了基于用户精准感知系统进行高危流失用户挽留的应用场景,为人工智能技术在运营商数字化转型中的应用提供一种新的思路。

摘要：对基于Scrapy爬虫技术和图神经网络的生态旅游推荐技术进行研究,设计了一种融合图神经网络与注意力机制的生态旅游推荐系统,并采用Scrapy爬虫技术建立数据集对系统进行测试与验证。首先,对系统整体框架进行设计,其次对基本算法进行选择,并对用户偏好模型、生态旅游项目交互关系、属性关系模型以及评分预测模型进行搭建,最终获取综合推荐结果。最后对系统进行实验测试。实验结果表明:本研究的推荐系统的MAE与RMSE值最低,与基于Graphrec算法的推荐系统相比,MAE值提高了3.274%,RMSE值提高了3.124%,证明本研究的推荐系统适用于生态旅游项目推荐,且推荐效果良好。

摘要：图神经网络中的注意力机制在处理图结构化数据方面表现出优异的性能。传统的图注意力计算直接连接的节点之间的注意力,并通过堆叠层数隐式获取高阶信息。尽管在图注意力机制方面目前已有广泛的研究,但用于注意力计算的堆叠范式在建模远程依赖方面效果较差。为了提高表达能力,设计了一种新颖的直接注意力机制,这一机制通过K阶邻接矩阵直接计算高阶邻居之间的注意力。通过自适应路由聚合过程进一步传播高阶信息,这使得聚合过程更灵活地适应不同图的特性。在引文网络上的节点分类任务上进行了大量的实验。实验表明,该方法优于最先进的基线模型。

摘要：miRNA与复杂疾病之间的关联有着重要意义,研究复杂疾病组织中的miRNA的非正常表达为人类攻克相关复杂疾病提供了一个可行的解决方案。将己有的复杂疾病与miRNA的关联数据进行数学抽象建模,并设计合理、高效的算法实现预测未知关联预测,已经成为复杂疾病与miRNA的关联研究的主要内容。本文对图神经网络在miRNA-疾病关联预测中所涉及的关键技术,包括基于图神经网络的表示学习算法研究和miRNA疾病关联预测框架的研究现状、存在的问题以及面临的挑战进行系统综述。

摘要：在战场上敌我双方作战的过程中,准确地预测敌方的兵力部署将有利于我方的作战。基于兵棋推演的态势数据,通过训练图神经网络,提出了预测敌方未知算子位置的方法。首先,在对数据进行预处理后,实现了态势到图结构数据的转化,构造了兵棋态势的图结构数据集,用于图神经网络的训练。其次,根据兵棋态势及其数据的特点改造了GraphVAE模型,实现了兵棋态势图结构数据的补全。最后设计了基于补全后的图结构数据,计算敌方算子位置的方法。通过实验证实了该方法的有效性和可行性。

摘要：对于加密流量的精确化识别,现有的基于机器学习和基于图的解决方案需要人工进行特征选择或者精度较低.使用一种基于图神经网络的加密流量识别方法,通过将网络流量数据转换为图数据,保留了网络数据流的丰富表示,将网络流量分类问题转换为图分类问题.并设计了一个基于自注意力机制的图分类模型进行加密流量的分类.实验结果表明,该方法对基于安全套接层(secure socket layer,SSL)的虚拟专用网(virtual private network,VPN)加密流量具有较好的分类效果,分类准确率有较大提高.

摘要：在绿色通信和双碳目标的背景下,提升网络能源效率(energy efficiency,EE)是当前无线通信系统设计和可靠运行的关键技术之一。首先,针对柔性双工网络(flexible duplex networks,Flex-Net)的“和能源效率”最大化的问题,构建了一个具有成对固定通信链路的网络;接着,鉴于图神经网络在通信网络资源优化中的优势,提出了一种新的基于图神经网络(GNN)架构的柔性双工网络(GFlex-Net),以联合优化“通信方向”和“传输功率”,达到网络能效最大化。仿真结果表明,与传统的算法相比,所提出的架构有近乎最优的性能表现,达到穷举法性能的95%,但保持了较低的计算复杂度O(n2),同时算法揭示了GNN在资源优化中面对样本复杂性、可扩展性和泛化能力方面的优势。

摘要：随着物联网业务的快速发展,复杂多样的应用场景给物联网卡的运营管理带来了巨大的挑战,传统的管理手段已经无法满足物联网卡使用的监管要求。首先总结物联网卡异常使用现状及管理手段,分析现有异常识别方法的不足,提出了基于图神经网络和Count-Min Sketch算法的物联网卡画像特征融合构建方法,以及基于XGBoost算法的异常流量识别模型。基于以上技术,实现了对物联网卡的智能监测,提升了违规识别的准确率和召回率。

摘要：在实际应用场景的配电网故障占电网总故障的80%以上,并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出“泛在物联”的号召下,分析了学者们在此问题上的研究成果后,结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架,详细的设计了节点信息汇集函数、预测函数和损失函数,并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响,使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较,实验表明算法在精确度上提高了3.0%,并具有更强的鲁棒性.

摘要：神经元形态结构是分析神经元活动和发展功能的重要任务。如何有效识别不同形态的神经元是一个挑战。论文提出了一种基于图形卷积神经网络的三维神经元形态检索新方法(简称GNMR)。首先,采用子-父节点方案对三维神经元进行预处理,根据三维形态的空间几何结构,将一个三维神经元分别映射到X-Y、X-Z和Y-Z三个平面;其次,论文设计了一个GNMR来检索神经元形态,为了避免梯度爆炸和梯度消失的问题,在连接层增加了三层ReLU函数。最后,在NEU-1500数据集上对该方法进行了仿真,实验结果表明该方法能够有效识别三维神经元的形态,具有较高的检索准确率、精准率和召回率。