Feb, 2024

BERT4FCA: 利用形式概念分析和 BERT 进行二分图链接预测的方法

PDF
TL;DRBERT4FCA 是一种新颖的方法，使用形式概念分析（FCA）和 BERT 来进行双分图网络中的链接预测。在三个真实世界的双分图网络上的实验证明我们的方法优于之前的基于 FCA 的方法和一些经典方法，如矩阵因式分解和 node2vec。
发现论文，激发创造
  • 二分网络中的链接预测

    通过实验比较 19 种处理二分图的链接预测方法，该研究提出了使用图卷积网络（GCN）改进的推荐系统作为二分图链接预测的新解决方案，并发现 GCN 的个性化推荐系统和基于启发式度量的方法如结构扰动法（SPM）都能够取得成功的结果。

    Jun, 2024

  • 利用形式概念分析从文本语料库中学习概念层次结构

    该研究提出了一种基于 FCA 的新方法，通过对文本语料库中的上下文信息进行建模和分析，以自动获取层次结构的概念分类。在旅游和金融领域应用比手工分类更有效。

    Sep, 2011

  • 利用矩阵和张量分解进行时序链接预测

    本文考虑了基于时间的链接预测问题，研究了基于矩阵和张量的方法，并探讨了在具有不同周期结构的数据中利用张量分解的优点。通过多个实验，证明了这两种方法对于时间链接预测具有很好的效果。

    May, 2010

  • Bi-Link：通过对 Transformer 和提示进行对比学习，连接文本中的归纳链接预测

    本文提出了一种叫做 Bi-Link 的对比学习框架，利用 BERT 的语法知识进行有效的搜索来进行关系预测，并设计了对称的关系预测模型，并在链接预测数据集（WN18RR、FB15K-237 和 Wikidata5M）上优于最近的基准线。

    Oct, 2022

  • 形式概念分析及其在信息检索和相关领域中的应用介绍

    本文介绍了形式概念分析及其应用。FCA 是由格论推导出来的应用数学分支，将概念作为人类思维的基本单位并将数据以物体属性的形式进行分析。本篇论文特别针对 RuSSIR 2014 而编写，讨论了信息检索、机器学习、数据挖掘和知识发现、文本挖掘等多个主题以及其可视化方面。

    Mar, 2017

  • 高精度和粗粒度混合自注意力机制用于高效 BERT

    通过 FCA 算法实现对信息量有效的细粒度计算单元和无信息量的粗粒度计算单元的混合自注意力机制，提升了 Transformer 模型在计算上的效率，同时在多个自然语言处理任务中展现出与原模型相当的性能。

    Mar, 2022

  • FCA: 通过分类器锚定驯服长尾联合医学图像分类

    在医学中，有限的训练数据和严重的类别不平衡问题使得开发强健的深度学习模型面临显著挑战。本文通过引入个性化分类器对联邦学习进行了改进，以便在联邦学习过程中指导和去除偏差，提高模型的广义和特异性能力，同时在联邦长尾皮肤病分类和颅内出血分类方面优于现有领先方法。

    May, 2023

  • 预测人工智能论文中的语义关系的方法

    本文提出了一种基于 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

    Jan, 2022

  • 重新审视基于邻近的协同过滤链路预测

    本文提出了一种在双分图中利用本地图结构的连接分数来扩展多个标准连通性预测方法的新方法，并与迭代度更新过程相结合，以利用局部图结构的方法。尽管该方法很简单且不涉及节点建模，但我们展示了它在四个广泛使用的基准测试上明显优于现有的基于 GNN 的 CF 方法，在 Amazon-Book 上，我们展示了 Recall 和 NDCG 都有超过 60％的提高，希望我们的工作能引发学术界重新关注协作过滤中的链接预测方面。

    Mar, 2022

  • 编程社区问答中的命名实体预测贝叶斯网络

    本研究提出了一种基于贝叶斯网络的自然语言处理方法，可以预测和分析上下文，并可以应用于社区问答领域，通过与基线模型的比较，我们的方法在精度指标方面表现更好，同时讨论了罚项对贝叶斯网络结构的影响，以及有向无环图在分析语义关系方面的可视化表示。

    Feb, 2023