检索结果-内蒙古大学图书馆

计算机工程与应用 2024年第11期60卷 95-104页

作者：张宏图化春键蒋毅俞建峰陈莹江南大学机械工程学院江苏无锡214122 江苏省食品先进制造装备技术重点实验室江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对现有跨模态检索在公共子空间度量时难以充分挖掘模态内局部一致性的问题,提出了一种融合改进图卷积的跨模态检索方法。为了提升各模态内的局部一致性,以单个完整样本为节点构建模态图,充分挖掘特征间的交互信息;为了解决图卷积网络... 详细信息

针对现有跨模态检索在公共子空间度量时难以充分挖掘模态内局部一致性的问题,提出了一种融合改进图卷积的跨模态检索方法。为了提升各模态内的局部一致性,以单个完整样本为节点构建模态图,充分挖掘特征间的交互信息;为了解决图卷积网络只能做浅层学习的问题,采用在每一层图卷积添加初始残差链接和权重恒等映射的方法来缓解此现象;为了通过高低阶邻居信息共同更新中心节点特征,提出减少邻居节点、增加图卷积网络层数的改进;为了学习高度局部一致且语义一致的公共表征,共享公共表征学习层权重,并联合优化公共子空间中模态内的语义约束和模态间的模态不变约束。实验结果表明,在Wikipedia和Pascal sentence这两个跨模态数据集上,不同检索任务的平均mAP值比11种现有方法分别提升了2.2%~42.1%和3.0%~54.0%。

关键词：图卷积网络跨模态检索初始残差连接恒等映射邻接矩阵

来源：评论

学校读者我要写书评

暂无评论

基于深度图神经网络的协同推荐算法

引用

计算机应用 2023年第9期43卷 2741-2746页

作者：潘润超虞启山熊泓霏刘智慧中国地质大学(武汉)数学与物理学院武汉430074

针对现有基于图神经网络(GNN)的推荐算法面临的过平滑的问题,提出一种基于深度GNN的协同过滤推荐算法Deep NGCF(Deep Neural Graph Collaborative Filtering)。该算法在GNN中引入初始残差连接和恒等映射,避免了GNN进行多次图卷积运算后... 详细信息

针对现有基于图神经网络(GNN)的推荐算法面临的过平滑的问题,提出一种基于深度GNN的协同过滤推荐算法Deep NGCF(Deep Neural Graph Collaborative Filtering)。该算法在GNN中引入初始残差连接和恒等映射,避免了GNN进行多次图卷积运算后陷入过平滑。首先,通过用户和项目的交互历史得到它们的初始嵌入;其次,在聚合传播层利用初始残差连接和恒等映射得到用户和项目的不同阶协同信号;最后,对所有协同信号进行线性表示以得到预测评分。此外,在初始残差连接和恒等映射中设置比重进行调节,从而进一步提高模型的灵活性和推荐性能。为验证Deep NGCF算法的可行性和有效性,在Gowalla、Yelp-2018与Amazon-Book数据集上进行实验。实验结果表明,相较于图卷积矩阵补全(GCMC)、神经图协同过滤(NGCF)等现有的GNN推荐算法,Deep NGCF算法取得了最高的召回率和归一化折损累计增益(NDCG),验证了所提算法的有效性。

关键词：推荐算法协同过滤图神经网络恒等映射初始残差连接

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：