公开(公告)号：CN113672735A

公开(公告)日：2021-11-19

申请号：CN202111048789.4

申请日：2021-09-08

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  许斯泳

IPC: G06F16/35 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于主题感知异质图神经网络的链接预测方法，旨在进一步挖掘基于结构语义的细粒度主题感知语义，用于HGs中的多方面主题感知表示学习。具体地，本发明首先应用多方面转换矩阵将不同类型节点的向量表示映射到多个主题感知子空间中；然后应用了交替的两步聚合机制，包括元路径内分解和元路径间合并，来学习每个目标节点的多方面主题感知表示；此外引入主题先验指导模块，它利用主题建模从非结构化文本内容中获取全局统计知识，有助于指导上下文聚合，作为一个正则化器，该模块使得所推断的主题感知子空间更加正交化，并提高所学多方面主题感知表示的可解释性。

公开(公告)号：CN119962628A

公开(公告)日：2025-05-09

申请号：CN202510050123.4

申请日：2025-01-13

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  陈均泽 ,  黄海

IPC: G06N3/096 ,  G06N3/042 ,  G06N5/04 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于测试时微调的图数据分析方法。该方法包括以下步骤：收集图预训练数据集；构建图基础模型，并利用图预训练数据集对图基础模型进行预训练，获取预训练后的图基础模型；设置测试时微调阶段，并在测试时微调阶段对预训练后的图基础模型进行改进，以获取改进的图形基础模型；获取待分析图数据集，并利用改进的图形基础模型对待分析图数据集进行分析，以获取图数据分析结果。本发明提出的方法在推理阶段引入了额外的参数调整阶段，即测试时微调阶段，通过这一阶段，可以有效减少推理阶段的计算资源消耗，提高推理效率，相比于现有技术，本发明在保证预测精度的前提下，大大加快了推理速度，适合处理大规模图数据。

公开(公告)号：CN119962626A

公开(公告)日：2025-05-09

申请号：CN202510050118.3

申请日：2025-01-13

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  刘纪玺 ,  陈宇络 ,  黄海

IPC: G06N3/096 ,  G06N3/09 ,  G06N3/042 ,  G06N3/045 ,  G16B40/20

Abstract: 本发明公开了一种面向图学习的联合任务与分布泛化方法，包括如下步骤：获取蛋白质分子对应的源任务集、适应样本集和目标任务集；使用训练集对神经网络模型进行训练，得到图预测模型；图预测模型包括输入模块、精炼器模块和预测器模块；使用适应样本集对图预测模型进行适配性训练，得到特定图预测模型；将目标任务集输入特定图预测模型，通过特定图预测模型输出目标任务集对应的蛋白质分子预测结果。本发明可以通过提取任务关键子图，减少了图数据中的冗余信息，提高了模型的预测准确性和泛化性。

公开(公告)号：CN119961518A

公开(公告)日：2025-05-09

申请号：CN202510050126.8

申请日：2025-01-13

Applicant: 北京邮电大学

Inventor： 杨成 ,  石川 ,  陈均泽 ,  黄海

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/34 ,  G06N3/042 ,  G06N3/045 ,  G06N5/04 ,  G06N5/045

Abstract: 本发明公开了一种基于图神经网络和语言模型的内容推荐方法。该方法包括以下步骤：获取用户的标准配置文件数据和标准交互数据；构建用户交互图数据；获取用户的偏好推理结果；将用户的偏好推理结果转换为查询嵌入，并使用查询嵌入对用户交互图数据进行子图提取，以获取用户偏好子图数据；获取用户的意图推理子图数据；基于用户的意图推理子图数据和图神经网络，获取待推荐内容的评分结果。本发明结合了用户配置文件、交互图和交互信息等多种数据源，通过自然语言处理技术和图神经网络，能够更全面地捕捉用户偏好的信息，这不仅弥补了现有方法依赖显式数据的不足，还能够从隐式数据中发现用户潜在的兴趣爱好，提高推荐的准确性和覆盖面。

公开(公告)号：CN118153652A

公开(公告)日：2024-06-07

申请号：CN202410184886.3

申请日：2024-02-19

Applicant: 北京邮电大学

Inventor： 杨成 ,  石川 ,  杨成栋

IPC: G06N3/08 ,  G06N3/084 ,  G06N3/042 ,  G06N3/0895

Abstract: 本申请提供的一种图神经网络的校准方法、装置及相关设备，包括：响应于获取到图神经网络的校准图，确定校准图所有边中的任一条边为选中边，确定选中边的两个端节点；通过图神经网络确定端节点的节点嵌入，根据节点嵌入通过完成交叉熵损失最小化训练的多层感知机确定选中边对应的第一权重；确定每条边对应的第一权重生成第一权重集，根据第一权重集对图神经网络输出的预测结果进行调整，生成中间结果；确定中间结果中端节点对应的中间预测结果，对中间预测结果进行温度缩放的归一化计算，确定计算结果之间的欧几里得距离，生成第二权重；确定每条边对应的第二权重生成第二权重集，根据第一权重集和/或第二权重集对图神经网络进行校准调整。