知识库（ kb）问答旨在利用知识库中的实体和关系等事实信息回答自然语言问题。以前的方法要么生成可以在kb上执行的逻辑形式以获得最终答案，要么直接预测答案。经验结果表明，前者通常会产生更准确的答案，但由于生成的逻辑形式中潜在的语法和语义错误，它会遇到非执行问题... ...

单图像超分辨率的性能在很大程度上取决于如何生成和补充高分辨率图像的高频细节。最近，基于扩散的模型在生成用于超分辨率任务的高质量图像方面具有巨大的潜力。但是，现有模型通过仅利用高分辨率地面真理作为所有采样时间段的目标，在直接预测宽带宽的高频信息方面遇到困难 ...

软件供应链攻击中使用的木马化软件包构成了新兴威胁。不幸的是，仍然缺乏可扩展的方法，这些方法允许对恶意软件包进行自动和及时检测，因此大多数检测是基于手动劳动和专业知识。但是，已经观察到，大多数攻击活动都包含共享相同或相似恶意代码的多个软件包 ...

机器Unrearning是一种增强模型鲁棒性和数据隐私的关键技术，在普遍的Web挖掘应用程序中引起了极大的关注，尤其是在基于图形的方案中。但是，由于模型训练期间网络尺度尺度元素之间复杂的相互作用，大多数现有的图形（GU）方法面临重大挑战：（1）梯度驱动的节点纠缠阻碍了完全删除知识，以响应对未学习请求的响应； （2）网络场景中的十亿级图元素呈现不可避免的可伸缩性问题。为了打破上述局限性，我们通过在G ...

我们考虑了影响最大化研究（IM）中普遍存在的情况，在这种情况下，人们对扩散网络拓扑的了解有限。我们在多轮扩散活动中设置了IM问题，旨在最大化受影响的不同用户的数量。利用匪徒算法有效平衡探索和剥削目标以及神经网络的表达性的能力，我们的研究探讨了神经匪徒在IM问题上的应用 ...

当社交网络伴随着扩散级联时，我们解决了影响最大化的问题。在先前的工作中，这种信息用于计算影响概率，这是由影响最大化的随机扩散模型所利用的。由于最近对扩散模型的有效性以及影响力学习的疾驰的进步的批评，我们提出了一种统一的方法（一种统一的方法），该方法使用了从扩散级联级联学到的表示形式来执行模型独立的影响力最大化，以在现实世界中的数据范围内扩展最大化 ...

影响最大化的影响（IM）问题是图表上的一个众所周知的NP  - 硬性组合问题，其目标是在最多传播影响的网络中找到一组节点。在解决IM问题的各种方法中，进化算法（EAS）已被证明特别有效。尽管有关该主题的文献特别丰富，但仅尝试了几次尝试在高阶网络上解决IM问题，即标准图的扩展，这些图表可以捕获涉及两个以上节点的交互 ...

由于随着时间的流逝而发展的动态相互作用，时间社交网络中的最大化提出了独特的挑战。传统的扩散模型通常在捕获节点之间活跃不活跃的过渡的现实世界复杂性方面缺乏，从而掩盖了影响力的真实行为。在动态网络中，节点不仅仅是一次过渡到活动状态。相反，它们可以在主动状态和非活性状态之间振荡，并且随着时间的流逝而进行重新激活和增强 ...