检索结果

Select

1. 基于邻域选择策略的图卷积网络模型

陈可佳, 杨泽宇, 刘峥, 鲁浩

计算机应用 2019, 39 (12): 3415-3419. DOI: 10.11772/j.issn.1001-9081.2019071281

摘要（724）

PDF （759KB）（719）

邻域的组成对于基于空间域的图卷积网络（GCN）模型有至关重要的作用。针对模型中节点邻域排序未考虑结构影响力的问题，提出了一种新的邻域选择策略，从而得到改进的GCN模型。首先，为每个节点收集结构重要的邻域并进行层级选择得到核心邻域；然后，将节点及其核心邻域的特征组成有序的矩阵形式；最后，送入深度卷积神经网络（CNN）进行半监督学习。节点分类任务的实验结果表明，该模型在Cora、Citeseer和Pubmed引文网络数据集中的节点分类准确性均优于基于经典图嵌入的节点分类模型以及四种先进的GCN模型。作为一种基于空间域的GCN，该模型能有效运用于大规模网络的学习任务。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于模拟退火的在线Web文档内容数据质量评估

韩京宇陈可佳

计算机应用 2014, 34 (8): 2311-2316. DOI: 10.11772/j.issn.1001-9081.2014.08.2311

摘要（320）

PDF （1008KB）（327）

针对基于训练模型或用户交互的Web数据质量评估方法不能在线响应,也不能获取内容事实内涵的问题，提出一种基于模拟退火(SA)的在线Web文档内容数据质量评估（QASA）方法。首先，通过在Web上搜集主题相关文档，构建目标文档的相关空间,进一步采用开放式信息抽取技术抽取文档内容的事实；然后，采用SA技术在线构建两个最重要的数据质量维度即准确性和完整性的参照；最后，通过比对目标文档和维度参照的事实来量化数据质量维度。实验结果表明，QASA方法可以及时返回近似最优解，并保持与离线算法等同或高于10%的精度。该方法不仅能满足实时响应的要求，而且具有高的评估精度，可应用于在线识别高质量的Web文档。

参考文献 | 相关文章 | 多维度评价

Select

3. 主动学习在通信网络推荐系统中的应用

陈可佳韩京宇郑正中张海进

计算机应用 2012, 32 (11): 3038-3041. DOI: 10.3724/SP.J.1087.2012.03038

摘要（1371）

PDF （630KB）（439）

稀疏网络中大量潜在链接的存在对于链接预测问题是一个很大的挑战。在链接预测任务中引入主动学习，挖掘网络中大量未连接节点对中的潜在信息，从未标记样本中挑选出系统最不确定的样本交由用户判别。获得标记后的样本将给系统较高的信息增益。在通信网络数据集Nodobo中的实验结果表明，使用主动学习之后，该方法为通信用户预测潜在联系人的准确率得到显著的提高。

参考文献 | 相关文章 | 多维度评价