连接嵌入基于多重关系图注意力网络用于知识图谱实体类型识别 研究背景 当今，知识图谱（Knowledge Graphs, KGs）在各种基于KG驱动的AI相关领域中引起了越来越多的研究兴趣。大规模的知识图谱提供了丰富而有效的结构化信息，是多个智能应用的核心数据资源，如问答系统和网页搜索。通常，知识图谱中包含大量实体类型（Entity Typing）实例，以元组 ((e, t)) 的形式存在，其中 (e) 是实体，(t) 是其层次型类型。尽管现代知识图谱（如Freebase, YAGO和Google Knowledge Graph）取得了很大成功，但它们的覆盖范围仍远未完全和全面。例如，在FB15k数据集中，10%的具有/music/artist类型的实体没有/people/person类型。 ...

统一大语言模型与知识图谱 背景 近年来，自然语言处理和人工智能领域涌现了大量研究成果，其中，大语言模型（Large Language Models, LLMS）如 ChatGPT 和 GPT-4 表现出色。然而，尽管这些模型具有出色的泛化能力，常常因其黑箱性质无法有效捕捉和访问事实知识而受到批评。另一方面，知识图谱（Knowledge Graphs, KGs）如 Wikipedia 和 Huapu 通过结构化形式存储了大量事实知识，但构建和演化知识图谱的过程却非常复杂。因此，研究人员提出将大语言模型与知识图谱相结合，利用两者的优势以实现互补。 来源 本文发表在《IEEE Transactions on Knowledge and Data Engineering》2024年7月第36卷第7期...

基于图的无采样知识图谱增强推荐 近年来，知识图谱（Knowledge Graph, KG）增强推荐系统，旨在解决冷启动问题和推荐系统的可解释性，已经吸引了大量的研究兴趣。现有的推荐系统通常侧重于隐式反馈，如购买历史记录，但缺乏负反馈。大多数系统采用负采样策略处理隐式反馈数据，这可能忽略了潜在的正用户-项目交互。而其他一些工作则采用无采样策略，将所有未观察到的交互视为负样本，并为每个负样本分配权重，以表示该样本为正样本的概率。然而，这些方法使用简单直观的权重分配策略，不能捕捉所有交互数据中的潜在关系。 研究背景与动机 随着互联网的快速发展，信息超载的问题日益严重。为了提高用户的搜索体验并增加产品供应商的收入，推荐系统应运而生，并在电子商务、社交网络等多个应用中取得了巨大成功。近年来，作为内容信...

基于知识图谱的推荐系统：Contextualized Graph Attention Network 近年来，随着在线信息和内容的爆炸式增长，推荐系统在电子商务网站和社交媒体平台等各种场景中变得越来越重要。这些系统通常旨在为用户提供她可能感兴趣的项目列表。然而，传统的基于用户行为数据的方法（例如协同过滤、深度学习）面临着数据稀疏性和冷启动问题。为了解决这些问题，研究者尝试将各种辅助信息 (side information) 融入到推荐系统中，其中包含用户的社交网络、评论文本等。 研究背景 在这些辅助信息中，项目知识图谱（Knowledge Graph, KG）包含丰富的项目间关系，并已被证明可以显著提高推荐系统的性能。知识图谱本质上是一个异构网络，其中节点代表实体，边代表关系。然而，如何将这...

近年来，知识图谱（Knowledge Graph, KG）已经在许多人工智能任务中得到了广泛应用。知识图谱通过使用头实体（head entity）、关系（relation）和尾实体（tail entity）的三元组（Triplet）表示事物及其关系，如典型三元组(h = Paris, r = capital_of, t = France)表示真实世界的一个常识事实。虽然知识图谱已经成为智能问答、实体消歧、语义网络搜索和事实核查等众多下游人工智能应用的重要资源，但现存的知识图谱并不完美，常常存在缺失关系或包含错误的问题。为了应对这些问题，知识图谱嵌入（Knowledge Graph Embedding, KGE）成为了一个主要的任务，它通过学习图谱中的结构信息和潜在逻辑规则来预测缺失的事实。 ...

知识图谱（Knowledge Graph，KG）嵌入技术是人工智能领域中的一个重要研究课题，主要用于知识获取和知识图谱的扩展。近年来，尽管有许多基于图嵌入的方法被提出，但这些方法通常只能关注知识图谱的语义信息，忽略了图的自然结构信息。因此，尽管图卷积网络（Graph Convolutional Networks，GCN）方法能够捕捉部分结构信息，但由于知识图谱的不完全性，它们仍然面临信息不足的问题。为了克服这一问题，本研究提出了一种新的模型，即深度关系图信息增益（Deep Relational Graph Infomax，DRGI），通过互信息（Mutual Information，MI）最大化充分利用了结构信息和语义信息。 本文由来自中国电子科技大学未来媒体中心的Shuang Liang,...

基于图的条件生成对抗网络用于生成合成功能性脑网络诊断重度抑郁症 研究背景： 重度抑郁症（Major Depressive Disorder, MDD）是一种广泛存在的精神障碍，影响数百万人的生活，并且对全球健康构成重大威胁。研究表明，通过静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）提取的功能连接性（functional connectivity, FC）能够揭示与MDD相关的功能连接模式，在精准诊断中起到重要作用。然而，由于相关数据的有限性，为稳健的MDD诊断带来挑战。为应对这一挑战，近年来一些研究尝试使用深度神经网络（Deep Neural Networks, DNN）架构来构建生成对抗网络...

癫痫手术对无海马硬化的优势侧内侧颞叶癫痫的疗效评估 原始研究 | 《Journal of Clinical Neuroscience》111（2023）16-21 引言 癫痫患者在全球人口中的占比约为0.5%-1%（Fiest et al. 2017），其中约30%的患者对药物治疗无效（Schiller & Najjar 2008），被称为医学难治性癫痫。对于这部分患者，外科治疗如病灶切除或安慰性治疗（包括迷走神经刺激和胼胝体切开术）可能是一种选择。迄今为止，最成熟且成功的癫痫手术为针对内侧颞叶癫痫（MTLE）的前颞叶切除术（ATL）（Spencer 1991）。 虽然ATL在医学难治性MTLE中比药物治疗有更好的效果（Wiebe et al. 2001），并且许多研究证实其治疗效果较好（M...

罗兰蒂克型癫痫的丘脑皮层神经连接减少 罗兰蒂克型癫痫（Rolandic Epilepsy, RE），亦即带有中颞棘波的自限性癫痫（self-limited epilepsy with centrotemporal spikes, SELECTS），是最常见的局部发育性癫痫脑病。这种癫痫通常伴随短暂的轻度至严重的认知症状，以及由感觉运动皮层引发的睡眠栓道棘波和癫痫发作。尽管大多数患有RE的儿童在活动期内能够通过正式测试检测到认知缺陷，这些癫痫发作和认知问题最终会自限并消失。然而，仍有许多问题未得到解答，例如：具体的神经机制是什么，哪些因素决定了症状的消失以及这种癫痫的长期影响是什么。正是在这种背景下，本研究旨在更深入地探索解决罗兰蒂克型癫痫症状的神经连接变化。 研究来源 本研究由位于波士顿的多...

轻度认知障碍中的功能性连接变化：M/EEG研究的荟萃分析 背景与目的 阿尔茨海默病（Alzheimer’s disease, AD）是一种以记忆丧失和认知功能障碍为特征的神经退行性疾病。AD是老年人认知障碍的最主要原因，约占全球病例的60%至80%。随着年龄的增长，阿尔茨海默病的患病率显著增加，65岁到74岁人群中患病率为3%，75岁到84岁人群为17%，而85岁及以上人群则达到32%。因此，阿尔茨海默病已成为全球公共健康的重大问题，对卫生系统和社会成本产生了巨大影响。 AD的神经病理学变化包括胞外的β-淀粉样蛋白（Aβ）堆积和过度磷酸化的tau蛋白（p-tau）引起的神经纤维缠结，这些变化导致神经元死亡，并最终引起脑萎缩和突触功能障碍。最早的病变在内嗅皮层和海马区开始，随着疾病的进展，逐渐...