公开(公告)号：CN114358111A

公开(公告)日：2022-04-15

申请号：CN202111296472.2

申请日：2021-11-03

Applicant: 腾讯科技(深圳)有限公司

Inventor： 卞天 ,  徐挺洋 ,  荣钰 ,  赵沛霖

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请提供了一种对象聚类模型的获取方法、对象聚类方法及装置，涉及图数据处理技术领域，该方法包括：对于每个样本图数据包括的每个样本节点，以每个样本节点的原始特征向量和每个样本节点的邻居节点集合为对象聚类模型的输入，输出每个样本图数据的更新隐藏特征表示，根据每个样本图数据的更新隐藏特征表示、c个待学习聚类中心的均值向量、c个真实聚类中心的均值向量和每个样本图数据的图类别标签，计算共识损失函数，反向传播调整对象聚类模型的模型参数，以得到优化共识损失函数，根据与优化共识损失函数对应的对象聚类模型的目标模型参数，得到对象聚类模型。通过该方法得到的对象聚类模型可提高对象聚类的准确性。

公开(公告)号：CN114332516A

公开(公告)日：2022-04-12

申请号：CN202111407596.3

申请日：2021-11-24

Applicant: 腾讯科技(深圳)有限公司

Inventor： 卞天 ,  徐挺洋 ,  荣钰

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请的实施例揭示了一种数据处理方法、模型训练方法及装置、设备、存储介质、产品，该方法包括：获取包含多个节点的特征图，将特征图输入至预先训练好的目标图注意力网络模型中，得到多个节点分别对应的聚类结果，其中各个节点对应的聚类结果中包含有多个类别预测值，目标图注意力模型是将带有类别标签的训练样本特征图输入至图注意力网络中进行训练得到，并根据各个节点对应的聚类结果所包含的多个类别预测值，确定各个节点所属的目标类别。本申请实施例的技术方案能够提升数据聚类中确定节点所属类别的效率。

公开(公告)号：CN111400452B

公开(公告)日：2023-04-07

申请号：CN202010183299.4

申请日：2020-03-16

Applicant: 腾讯科技(深圳)有限公司

Inventor： 徐挺洋 ,  卞天 ,  荣钰 ,  黄俊洲

IPC: G06F16/33 ,  G06F16/35 ,  G06F16/9536 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06Q50/00

Abstract: 本申请实施例公开了一种基于人工智能技术的互联网文本信息分类处理方法、电子设备及计算机可读存储介质，包括：根据目标文本信息的转发关系和回复关系，确定目标文本信息的传播结构；将传播结构输入到双向图卷积神经网络中，得到分类信息，分类信息是根据双向图卷积神经网络的目标特征信息确定出的，双向图卷积神经网络包括自顶向下结构的第一图卷积神经网络和自底向上结构的第二图卷积神经网络，目标特征信息是根据第一特征信息和第二特征信息确定出的，第一特征信息是根据传播结构确定出的第一图卷积神经网络的特征信息，第二特征信息是根据传播结构确定出的第二图卷积神经网络的特征信息；根据分类信息对目标文本信息进行分类处理。

公开(公告)号：CN113408564A

公开(公告)日：2021-09-17

申请号：CN202011134804.2

申请日：2020-10-21

Applicant: 腾讯科技(深圳)有限公司

Inventor： 徐挺洋 ,  卞天 ,  荣钰

IPC: G06K9/62

Abstract: 本申请实施例公开了一种图处理方法、网络训练方法、装置、设备以及存储介质，可适用于人工智能等领域。该方法包括：获取待处理图；获取待处理图中各节点的节点特征；对于每一节点，根据该节点的节点特征与各候选图类别对应的图类别特征之间的相似度，从各候选图类别中确定该节点的类别；基于各节点的类别，对待处理图中的至少一个节点进行相应处理。采用本申请实施例，可基于各候选图类别确定出待处理图中各节点的类别，可提升节点的类别的预测准确性，进而有效对待处理图中节点进行处理，适用性高。

公开(公告)号：CN111400452A

公开(公告)日：2020-07-10

申请号：CN202010183299.4

申请日：2020-03-16

Applicant: 腾讯科技(深圳)有限公司

Inventor： 徐挺洋 ,  卞天 ,  荣钰 ,  黄俊洲

IPC: G06F16/33 ,  G06F16/35 ,  G06F16/9536 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本申请实施例公开了一种基于人工智能技术的互联网文本信息分类处理方法、电子设备及计算机可读存储介质，包括：根据目标文本信息的转发关系和回复关系，确定目标文本信息的传播结构；将传播结构输入到双向图卷积神经网络中，得到分类信息，分类信息是根据双向图卷积神经网络的目标特征信息确定出的，双向图卷积神经网络包括自顶向下结构的第一图卷积神经网络和自底向上结构的第二图卷积神经网络，目标特征信息是根据第一特征信息和第二特征信息确定出的，第一特征信息是根据传播结构确定出的第一图卷积神经网络的特征信息，第二特征信息是根据传播结构确定出的第二图卷积神经网络的特征信息；根据分类信息对目标文本信息进行分类处理。