首页期刊导航|模式识别与人工智能
期刊信息/Journal information
模式识别与人工智能
模式识别与人工智能

戴汝为

双月刊

1003-6059

bjb@iim.ac.cn

0551-5591176

230031

中国科学院合肥智能机械研究所安徽合肥董铺岛合肥1130信箱

模式识别与人工智能/Journal Pattern Recognition and Artificial IntelligenceCSCD北大核心CSTPCDEI
查看更多>>人工智能和模式识别是目前国际发展迅速的学科之一,本刊发表与此有关的最新研究结果和进展,旨在推动信息科学技术的发展。本刊面向各高等院校,研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。
正式出版
收录年代

    循环神经网络和注意力增强的门控图神经网络会话推荐模型

    李伟玥朱志国董昊姜盼...
    191-206页
    查看更多>>摘要:现有大部分基于图神经网络的会话推荐系统都可较好捕捉商品在会话图中的近邻上下文关系,但少有重点关注时序关系的系统.然而,这两种关系都对电商场景下的精准推荐具有重要作用.为此,文中基于双向长短期记忆网络和门控图神经网络,提出循环神经网络和注意力增强的门控图神经网络会话推荐模型,旨在实现不同网络结构的优势互补,充分学习用户在当前会话中表现的兴趣偏好.具体地,文中模型采用并行化框架结构,分别学习电商场景下用户会话点击流中商品间的近邻上下文特征和时序关系,再分别使用注意力机制进行去噪处理,最后基于门控机制实现这两种特征间的自适应融合.在3个真实数据集上的实验表明文中模型的性能较优.文中模型代码见 https://github.com/usernameAI/RAGGNN.

    会话推荐系统图神经网络循环神经网络注意力机制

    基于自监督三重训练和聚合一致邻居的社会化推荐模型

    刘树栋李丽颖陈旭
    207-220页
    查看更多>>摘要:将用户社会关系引入用户-商品评分数据中,构建用户-商品异构关系图,可缓解传统推荐系统面临的数据稀疏性和冷启动问题.但是,由于用户间社会关系的复杂性,聚合不一致的社会邻居可能会降低推荐性能.针对上述问题,文中提出基于自监督三重训练和聚合一致邻居的社会化推荐模型(Social Recommendation Based on Self-Supervised Tri-Training and Consistent Neighbor Aggregation,SR-STCNA).首先,在用户-商品评分数据的基础上,引入用户-用户间的社交关系,在用户-商品异构图中构建多种关系.使用超图表示用户和用户、用户和商品之间的关系.使用自监督三重训练,从未标记的数据中学习用户表示,充分挖掘用户-用户和用户-商品间存在的复杂连接关系.然后,通过用户-商品异构图上的节点一致性得分和关系自注意力,在用户和商品表示学习过程中聚合一致邻居,增强用户和商品嵌入表示能力,提高推荐性能.在CiaoDVD、FilmTrust、Last.fm、Yelp数据集上的实验表明,SR-STCNA性能较优.

    社会化推荐协同过滤数据稀疏性超图一致邻居

    社交影响增强的图神经网络推荐方法

    代星月叶海良曹飞龙
    221-230页
    查看更多>>摘要:随着在线社交平台的发展,社交推荐已成为推荐系统中的一个重要任务.然而,用户间的社交关系通常具有稀疏性,这在一定程度上限制推荐系统的性能.为此,文中提出社交影响增强的图神经网络推荐方法,旨在利用用户之间的隐式社交关系增强社交推荐的效果.首先,分析用户与物品之间的交互数据,揭示隐含的社交关系,重构用户间的社交图.在此基础上,利用互信息最大化方法,有效融合社交图的全局特征与用户的局部特征.同时,将可学习机制融入图注意力网络中,充分捕获用户和物品间的交互信息.最后,提出一种改进的贝叶斯个性化排序损失,为评分预测任务提供准确的用户特征表示和物品特征表示.在3个公开数据集上的实验表明,文中方法性能较优.

    图神经网络表示学习互信息最大化社交推荐

    融合潜在结构与语义信息的多模态推荐方法

    张晓明梁正光姚昌瑀李肇星...
    231-241页
    查看更多>>摘要:多模态推荐系统旨在利用文本、视觉等多模态信息提高推荐性能,但系统通常将多模态的语义信息融入物品表示中,或利用多模态特征挖掘潜在结构,未充分利用两者之间的关联.因此,文中提出融合潜在结构与语义信息的多模态推荐方法.基于用户历史行为和多模态特征,构建用户-用户和物品-物品图,挖掘潜在结构,构建用户-物品二部图,学习用户历史行为,并利用图卷积神经网络学习不同图的拓扑结构.为了更好地融合潜在结构和语义信息,利用对比学习,对齐学得潜在结构的物品表示与其多模态原始特征.在3个数据集上的评估实验验证文中方法的有效性.

    推荐系统多模态推荐系统对比学习图神经网络

    结合自对比图神经网络与双预测器的会话推荐模型

    章淯淞夏鸿斌刘渊
    242-252页
    查看更多>>摘要:基于会话的推荐旨在利用短时匿名会话预测用户行为.现有结合图神经网络与对比学习的会话推荐模型大多采用联合优化交叉熵损失与对比学习损失的方法,但二者所起作用相似,同时需要构建大量复杂的正负样本,为模型带来负担.此外,简单的线性预测器不能较好地预测带有用户随机行为的数据.针对上述问题,文中提出结合自对比图神经网络与双预测器的会话推荐模型(Session-Based Recommendation Model with Self Contrastive Graph Neural Network and Dual Predictor,SCGNN).首先,使用双视图建模原始会话,采用改进的图神经网络学习物品嵌入与会话嵌入,并通过自对比学习优化物品表示.然后,提出用户行为感知因子,应对用户随机行为带来的影响.最后,采用决策森林预测器与线性预测器对物品进行预测,并提出软标签生成策略,通过协同过滤与当前会话类似的历史会话以辅助预测.在Tmall、Diginetica、Nowplaying数据集上的实验表明文中模型的有效性.

    会话推荐图神经网络自对比学习多预测器

    第五届中国机器人学术年会征文通知

    中国自动化学会微信公众号
    252页

    自监督非等距三维模型簇对应关系计算方法

    吴衍杨军张思洋
    253-266页
    查看更多>>摘要:针对现有非等距三维模型簇对应关系计算方法准确率较低且泛化能力较差的问题,文中提出采用深度内外特征对齐算法的自监督非等距三维模型簇对应关系计算方法.首先,利用DiffusionNet直接学习原始的三维模型特征,获取具有鉴别力的特征描述符.然后,使用深度内外特征对齐算法计算非等距模型对之间的对应关系,采用局部流形调和基作为模型本征信息,并结合笛卡尔坐标等外部信息,实现内外部信息对齐一致,以无监督的方式自动生成对应结果.最后,构建非等距模型簇的加权无向图,根据相似几何模型存在内在相关性的原则,设计自监督多模型匹配算法,不断增强模型图最短路径的循环一致性,获得最优的非等距三维模型簇对应关系.实验表明,文中方法对应关系测地误差较小,结果较准确,能处理模型自身对称性影响对应关系计算的问题,具有良好的泛化能力.

    对应关系非等距模型簇自监督深度学习内外特征对齐

    基于区块链声誉管理的拜占庭机器人识别方法

    黄捷曾佳洲
    267-281页
    查看更多>>摘要:基于区块链技术,提出具有身份认证和任务监管的声誉管理系统(Reputation Management System with Identity Authentication and Task Supervisor,RMS-IATS),解决群机器人内拜占庭机器人的识别问题,避免拜占庭机器人对群机器人造成安全威胁.首先,改进经典的基于区块链的群机器人声誉管理系统(Reputation Management Sys-tem,RMS),引入惩罚因子,针对长期存在拜占庭行为的机器人实施更严厉的声誉值惩罚.其次,为了加快拜占庭机器人的识别速度,设计一种身份认证协议,将身份非法的机器人赋予一个较低的初始声誉值.再者,设计一种双层通信网络,用于机器人间的通信,解决群机器人系统因采用区块链技术带来的通信延迟问题.最后,通过仿真实验验证基于区块链的RMS-IATS和双层通信网络的有效性.相比经典的群机器人RMS,RMS-IATS在仿真模拟中识别不同类型拜占庭机器人所需的时间更短.相比使用区块链技术,在系统中使用双层通信网络进行通信时,可大幅减少系统的最大通信延迟.

    区块链群机器人拜占庭机器人声誉管理系统(RMS)身份认证任务监管

    持续提升科学基金资助效能为加快发展新质生产力提供科技支撑——国家自然科学基金委员会九届二次全委会召开

    国家自然科学基金委微信公众号
    282-284页