2024年7月13日下午13:30-18:15 ，第五屆ChineseCSCW2024協(xié)同智能大數(shù)據(jù)競賽在內(nèi)蒙古巨華國際大酒店圓滿舉辦。

本次競賽的主題為“可解釋的學(xué)者推薦”，使用學(xué)者網(wǎng)提供的開放數(shù)據(jù)集ScholarNet。競賽有來自國防科技大學(xué)、西南大學(xué)、福州大學(xué)、華南師范大學(xué)、北方工業(yè)大學(xué)等高校的11支隊伍入圍最終決賽。我很榮幸能跟學(xué)者網(wǎng)團隊成員鐘志杰和林韻璇組隊參加本次比賽并獲得三等獎的成績。非常感謝湯庸老師、吳正洋老師和林榮華老師對我們團隊的幫助，以下是我們比賽報告的主要內(nèi)容：

學(xué)者推薦是一項重要的個性化服務(wù)功能，可以通過鏈接預(yù)測任務(wù)來實現(xiàn)?；趫D的自動編碼器是解決鏈接預(yù)測任務(wù)的常用方法之一。然而，目前使用的大多數(shù)基于圖的自動編碼器方法仍未完全挖掘出圖中節(jié)點特征的巨大潛力。主要問題是沒有充分利用特征空間中的信息。在比賽中，我們提出了一種用于鏈接預(yù)測的全新圖嵌入框架，稱為特征感知變異圖自動編碼器（FAVGAE）。我們使用 k 近鄰算法（KNN）來構(gòu)建特征結(jié)構(gòu)圖，以便充分利用特征空間中的數(shù)據(jù)。然后，編碼器利用原始拓?fù)鋱D、特征結(jié)構(gòu)圖和節(jié)點特征來學(xué)習(xí)節(jié)點向量表示的分布。通過從該分布中采樣，生成節(jié)點向量表示，并使用解碼器重建圖的鄰接矩陣。在所提供的 ScholatNet 數(shù)據(jù)集上進行的實驗評估表明，所提出的模型在鏈接預(yù)測任務(wù)中表現(xiàn)最佳，優(yōu)于其他基線方法。最后，我們可以進行案例研究，詳細(xì)說明我們的模型如何實現(xiàn)可解釋的學(xué)術(shù)推薦。

圖1 答辯現(xiàn)場

 

圖2 頒獎現(xiàn)場