WWWFeb, 2023

基于知识增强图神经网络的 SIoT 可信度评估

PDF
TL;DR本文提出了一种知识增强的图神经网络（KGTrust），用于在社会物联网（SIoT）中进行更好的信任评估，该方法结合了用户和对象的语义知识以及增强的信任关系，能够有效地捕捉 SIoT 信任的多方面特性。实验结果表明，KGTrust 方法优于当前的最先进方法。
social internet of thingstrust evaluationgraph neural networksknowledge-enhanced graph neural networkheterogeneous graph structure
发现论文，激发创造
  • 知识图谱的三重可信度测量

    本论文中提出了一种能量量化知识图谱三元组语义正确性和表达事实的真实程度的知识图谱三元组可信度测量模型，通过交叉神经网络结构融合三个层面（实体级、关系级和 KG 全局级）的内部语义信息和全局推理信息来实现可信度测量和融合，并在真实数据集 FB15K 上进行了实验，结果表明与其他模型相比，我们的模型实现了显着和一致的改进。

    Sep, 2018

  • 基于可信度的图卷积网络用于带符号网络嵌入

    通过使用边缘符号的可信性修正图卷积网络（GCN）中的错误嵌入传播，提出了一种名为 TrustSGCN 的新型基于 GCN 的签名网络嵌入方法，该方法利用了平衡理论推断出的高阶关系的边缘符号的可信性。实验证明 TrustSGCN 在四个真实世界的签名网络数据集上始终优于其他五种基于 GCN 的签名网络嵌入方法。

    Sep, 2023

  • 关于知识图谱嵌入和图神经网络在物联网中的研究

    通过对知识图谱和图神经网络的研究，我们发现在物联网领域中，采用最新技术的方法在节点分类任务中表现出色，并且图神经网络在链接预测任务方面具有优势。这项初步工作在物联网环境中实现和评估最新方法提供了有价值的见解。

    Oct, 2023

  • TrustGuard: 基于 GNN 的强韧可解释信任评估与动态性支持

    本文提出了一种基于 GNN 的准确信任评估模型 TrustGuard，支持信任动态性，在面对攻击时具有鲁棒性，并通过可视化提供解释，该模型在两个真实数据集上的实验表明，比现有的基于 GNN 的信任评估模型更具优势。

    Jun, 2023

  • 社交物联网的上下文感知服务推荐系统

    Social Internet of Things 的研究，探索服务推荐的上下文表示、潜在特征组合技术以及服务推荐框架对提高准确性和相关性的有效性进行实验评估。

    Aug, 2023

  • 下一个 POI 的超关系知识图神经网络

    基于移动技术和位置感知社交网络中的 POI 推荐系统的知识图谱建模的研究，以及超关系和数据稀疏性的影响与解决方法的探讨。

    Nov, 2023

  • 值得信赖的图神经网络：方面、方法和趋势

    本文提出了一个全面的路线图，从各种涉及的计算技术的角度建立可信任的图神经网络；介绍了可信任的图神经网络的六个方面的基本概念和全面总结了现有的研究，包括鲁棒性、可解释性、隐私、公平性、问责性和环境福祉，并强调了这些方面之间错综复杂的关系；最后，我们对促进可信赖的图神经网络的研究和产业化的趋势进行了全面的概述。

    May, 2022

  • 基于因果视角的可信图神经网络调研

    在这篇综述中，我们针对当前图神经网络（Graph Neural Networks，GNNs）的信任度问题，介绍了最近关于启发于因果关系的 GNNs 的研究，并提出了基于因果学习能力的 Causality-Inspired GNNs（CIGNNs）的分类和典型方法，以及它们如何缓解信任度风险。我们还总结了有用的资源，并探讨了在这个新兴领域中的几个未来方向，希望能够为新的研究机会提供启示。

    Dec, 2023

  • 隐式群体推荐的安全人工智能物联网

    提出了一种基于安全 IoT 结构和协同贝叶斯网络模型的人群推荐算法 SAIoT-GR，旨在解决现有数据安全性和反馈偏差难题。通过大量实验，该算法表现出高效性和稳健性。

    Apr, 2021

  • 基于多源嘈杂数据的可信知识图谱补全

    本研究提出了一种基于多个噪声数据源和 KG 中现有事实的知识图谱，采用图神经网络建议了一种整体评分函数，结合价值对齐网络解决了价值间的异质性并将其映射到实体，进而设计了一个真实推理模型，并采用半监督学习法从异构价值中推导出真实性。

    Jan, 2022