您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202104-38
论文题目 基于评论构建边的图嵌入模型
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于评论构建边的图嵌入模型

首发时间:2021-04-07

李剑 1   

李剑,男,教授,博导,主要研究方向:人工智能,信息安全,量子密码

刘鹏 1   

刘鹏(1995),男,在读硕士研究生,研究方向:推荐系统,自然语言处理,图神经网络

  • 1、北京邮电大学人工智能学院,北京 100876

摘要:针对在推荐系统中训练用户和商品的图嵌入时,信息利用不充分的问题,提出了利用推荐系统中的评论和交互信息来训练用户、商品图嵌入的模型RHG,该模型以基于边的图神经网络为基础,首先利用评论文本构建图结构中的边用于对图节点信息进行聚合,其次设计不同特征空间用于提高聚合节点信息的效率,然后根据不同节点的重要性设计带有权重的损失函数从而优化训练。最终,在亚马逊的三个真实数据集上,通过推荐系统中的评分任务对图嵌入效果进行评判,RHG的均方误差相比目前基于文本的最优图神经网络模型CGAT降低2.75%,证实了RHG模型的有效性。

关键词: 模式识别与智能系统 图嵌入 评论文本 特征空间

For information in English, please click here

Graph Embedding Model over Review-Based Edges

LI Jian 1   

李剑,男,教授,博导,主要研究方向:人工智能,信息安全,量子密码

LIU Peng 1   

刘鹏(1995),男,在读硕士研究生,研究方向:推荐系统,自然语言处理,图神经网络

  • 1、Artificial Intelligence School, Beijing University of Posts and Telecommunications, Beijing, 100876

Abstract:In order to solve the problem of insufficient information utilization in user and item graph embedding training of recommendation system, The model RHG is proposed to train user and item graph embeddings by using reviews and interactive information in the recommendation system. Based on the edge based graph neural network, the model first constructs the edge in the graph by using the review text to aggregate the graph node information. Next, the model designs different feature spaces to improve the efficiency of the node information aggregation, and then a weighted loss function is proposed according to the importance of different nodes to optimize the training. Finally, on Amazon\'s three real datasets, the graph embedding effect is evaluated by the scoring task in the recommendation system. The mean square error of RHG is reduced by 2.75% compared with the current state-of-the-art model CGAT, which proves the effectiveness of the model.

Keywords: Pattern recognition and intelligent system graph embedding review text feature spaces

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
李剑,刘鹏. 基于评论构建边的图嵌入模型[EB/OL]. 北京:中国科技论文在线 [2021-04-07]. http://www.paper.edu.cn/releasepaper/content/202104-38.

No.****

同行评议

共计0人参与

评论

全部评论

0/1000

勘误表

基于评论构建边的图嵌入模型