公开(公告)号：CN112231562A

公开(公告)日：2021-01-15

申请号：CN202011099869.8

申请日：2020-10-15

Applicant: 北京工商大学

Inventor： 段大高 ,  白宸宇 ,  韩忠明 ,  刘文文 ,  张翙

IPC: G06F16/9535 ,  G06F40/216 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及一种网络谣言识别方法即系统，方法包括：根据包含谣言信息的多个文本得到文本特征矩阵；构建传播图结构，图结构中的节点为多个文本，图结构中的邻接矩阵为谣言信息在多个文本之间的转发和评论关系；构建图卷积神经网络模型；图卷积神经网络模型的输入为文本特征矩阵和邻接矩阵，图卷积神经网络模型的输出为谣言特征矩阵；根据谣言特征矩阵训练神经网络模型，得到谣言识别模型；根据谣言识别模型识别网络谣言。本发明根据谣言在多个文本之间的转发和评论关系训练图卷积神经网络模型，根据谣言特征矩阵训练神经网络模型，有效的捕获了谣言信息广泛且分散的传播特征，可以有效识别谣言信息。

公开(公告)号：CN110677284A

公开(公告)日：2020-01-10

申请号：CN201910904558.5

申请日：2019-09-24

Applicant: 北京工商大学

Inventor： 段大高 ,  尹丹琪 ,  韩忠明 ,  杨伟杰 ,  刘文文

IPC: H04L12/24 ,  G06F16/901 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于元路径的异构网络链路预测的方法，利用元路径处理异构网络丰富且复杂的语义，从网络中抽取元路径实例并学习网络节点权重，综合网络拓扑特征以更新网络节点嵌入，利用更新的网络节点嵌入，可以做分类、聚类及链路预测等工作，在实际生活中应用性高，能够有效提高异构网络的分类、聚类及链路预测等工作的准确率。

公开(公告)号：CN110677284B

公开(公告)日：2022-06-17

申请号：CN201910904558.5

申请日：2019-09-24

Applicant: 北京工商大学

Inventor： 段大高 ,  尹丹琪 ,  韩忠明 ,  杨伟杰 ,  刘文文

IPC: H04L41/147 ,  H04L41/14 ,  H04L41/12 ,  G06F16/901 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于元路径的异构网络链路预测的方法，利用元路径处理异构网络丰富且复杂的语义，从网络中抽取元路径实例并学习网络节点权重，综合网络拓扑特征以更新网络节点嵌入，利用更新的网络节点嵌入，可以做分类、聚类及链路预测等工作，在实际生活中应用性高，能够有效提高异构网络的分类、聚类及链路预测等工作的准确率。

公开(公告)号：CN114201583A

公开(公告)日：2022-03-18

申请号：CN202111503732.9

申请日：2021-12-10

Applicant: 北京工商大学

Inventor： 段大高 ,  刘文文 ,  张秋丽 ,  韩忠明

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/194 ,  G06F40/242 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图注意力网络的中文金融事件自动抽取方法及系统，其方法包括：步骤S1：从相关领域网站获取中文金融事件的相关数据和金融领域词典，对获取的数据进行预处理；步骤S2：构建原型事件，手工标注典型类别的金融事件数据作为种子数据，得到每类对应的原型事件；步骤S3：构建中文金融事件自动抽取模型，对待分类的中文金融事件进行分类并进行事件元素的抽取。本发明能够利用小样本数据对中文金融事件语料进行扩充，能够解决中文事件抽取语料稀缺问题，为相关研究提高有力的数据支撑；同时，利用图注意力网络和双向长短期记忆网络能够提高事件抽取效果，结合原型事件和相似度计算，能够大大降低模型对标注样本的需求，提高模型的泛化能力。

公开(公告)号：CN112231455A

公开(公告)日：2021-01-15

申请号：CN202011099857.5

申请日：2020-10-15

Applicant: 北京工商大学

Inventor： 段大高 ,  张轩 ,  刘文文 ,  韩忠明 ,  张翙

IPC: G06F16/332 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种机器阅读理解方法及系统，方法包括：获取机器阅读理解数据集；对机器阅读理解数据集进行处理，获得训练集和测试集；构建基于图注意力网络的机器阅读理解模型；将训练集输入机器阅读理解模型进行训练，获得模型参数；将测试集输入已求取模型参数后的机器阅读理解模型进行阅读理解，获得每篇文章中每个问题的答案。本发明基于图注意力网络构建机器阅读理解模型既可以捕获到文章的语义信息，又可以捕获到上下文信息和单词间的关联信息，从而提高机器阅读理解任务的准确性。