一种图神经网络训练方法、装置、电子设备及存储介质

    公开(公告)号:CN112906873A

    公开(公告)日:2021-06-04

    申请号:CN202110330710.0

    申请日:2021-03-26

    Abstract: 本申请实施例提供的一种图神经网络训练方法、装置、电子设备及存储介质,应用于信息技术领域,通过提取样本异质图对应的不相关节点的负样本和不一致关系的负样本,结构层面的正样本和基于结构层面的正样本的负样本,然后根据提取到的样本对待训练的图神经网络进行训练,从而可以充分利用当前获得的样本,减少所需的样本图像的数量。

    一种基于异质图神经网络的节点处理方法、装置及设备

    公开(公告)号:CN111930859A

    公开(公告)日:2020-11-13

    申请号:CN202010750181.5

    申请日:2020-07-30

    Inventor: 石川 王啸 纪厚业

    Abstract: 本发明实施例提供了一种基于异质图神经网络的节点处理方法、装置及设备,应用于计算机技术领域,该处理方法可以包括:确定所述目标节点的特征矩阵,以及针对每一元路径,确定所述目标节点在该元路径下的多个关联节点对应的组合矩阵;针对每一元路径,将所述目标节点的特征矩阵,以及所述目标节点在该元路径下的多个关联节点对应的组合矩阵,输入至预设的语义聚合模型中,得到所述目标节点在该元路径下的表示矩阵;利用预设的融合公式,对所述目标节点在每一元路径下的表示矩阵进行融合,得到所述目标节点在多个元路径下的综合表示矩阵。可见,本方案,解决了目标节点自身的特性无法突显的问题。

    一种基于元路径上下文的推荐模型训练方法及装置

    公开(公告)号:CN109002488B

    公开(公告)日:2020-10-02

    申请号:CN201810669341.6

    申请日:2018-06-26

    Inventor: 石川 胡斌斌

    Abstract: 本发明实施例提供了一种基于元路径上下文的推荐模型训练方法及装置。该方法包括:在样本信息平台中获得多个用户信息对;针对每个用户信息对,获得该用户信息对所对应的路径实例,并生成该用户信息对所对应样本用户表征信息、样本对象表征信息和元路径上下文表征信息;针对每个用户信息对,将上述三种信息进行拼接得到训练样本;将得到的多个训练样本作为输入,对预设神经网络模型进行训练,直至通过损失函数计算得到的函数值小于预设阈值时,完成神经网络模型的训练。与现有技术相比,应用本发明实施例提供的方案,训练得到的基于元路径上下文的推荐模型可以学习到更优化的特征,进而,可以提高基于该模型得到的推荐结果的准确性。

    一种基于异质信息网络表示的推荐方法及装置

    公开(公告)号:CN107944629B

    公开(公告)日:2020-08-07

    申请号:CN201711239629.1

    申请日:2017-11-30

    Inventor: 胡斌斌 石川

    Abstract: 本发明实施例提供了一种基于异质信息网络表示的推荐方法及装置,所述方法包括:对预设的异质信息网络提取目标网络节点表示;根据所述目标网络节点表示以及利用预设的矩阵分解模型,获得目标矩阵分解;利用获得的目标矩阵分解,得到用户对商品的预测评分;根据得到的用户对商品的预测评分,将用户或商品作为待推荐对象进行推荐。应用本发明实施例能够提高推荐率。

    一种基于图神经网络的实体链接方法及装置

    公开(公告)号:CN110674317A

    公开(公告)日:2020-01-10

    申请号:CN201910944936.2

    申请日:2019-09-30

    Abstract: 本发明实施例提供了一种基于图神经网络的实体链接方法及装置,该方法在对待链接对象进行实体链接时,从预设的知识库中确定待链接文本中所指定的待链接对象对应的实体作为潜在候选实体;根据关联对象,从潜在候选实体中确定指定候选实体;根据指定候选实体间的语义关系,构建实体-单词异质图;将实体-单词异质图输入至预设的向量表示模型中,得到实体-单词异质图中实体的实体向量表示,将所得到的实体向量表示输入至预设的条件随机场CRF中,得到每一实体的链接值,并依据链接值,从指定候选实体中选择每一待链接对象对应的链接实体。应用本实施例提供的方法能够提高实体链接的准确率。

    一种实体集扩展方法及装置

    公开(公告)号:CN106951526A

    公开(公告)日:2017-07-14

    申请号:CN201710168839.X

    申请日:2017-03-21

    CPC classification number: G06F16/367

    Abstract: 本发明实施例提供的一种实体集扩展方法及装置,根据预先确定的种子实体集,从目标知识图谱中抽取候选实体组成候选实体集;从与目标知识图谱对应的异质信息网络中,确定种子实体之间的元路径;所述元路径为:异质信息网络中的两个节点类型之间的由实体类型和关系类型组成的连接路径;其中,所述两个节点类型为不同的种子实体对应的节点类型;根据每条元路径连接的种子实体对的数量确定每条元路径的第一重要程度;根据每条元路径的第一重要程度,确定候选实体集中的每一候选实体的第二重要程度;将候选实体集中,第二重要程度满足第一预设条件的候选实体确定为待扩展实体,并将待扩展实体添加至种子实体集中。应用本发明能够进行有效的实体集扩展。

    推荐方法和系统
    17.
    发明公开

    公开(公告)号:CN106503028A

    公开(公告)日:2017-03-15

    申请号:CN201510568446.9

    申请日:2015-09-08

    Abstract: 本发明涉及一种推荐方法,所述推荐方法包括:将推荐数据集中的对象和对象之间的关系建模为异质信息网络;获取所述异质信息网络中连接两个对象的元路径;根据所述连接两个对象的元路径计算对象之间的相似度数据;根据所述对象之间的相似度数据构建目标函数,通过所述目标函数对所述推荐数据集进行训练,得到用户对物品的预测评分;根据所述用户对物品的预测评分将物品推荐给用户。此外,还提供给了一种推荐系统。

    一种商家总体评论中方面评分的确定方法及装置

    公开(公告)号:CN105955957A

    公开(公告)日:2016-09-21

    申请号:CN201610294366.3

    申请日:2016-05-05

    CPC classification number: G06F17/277 G06Q10/06393

    Abstract: 本发明实施例提供了一种商家总体评论中方面评分的确定方法及装置。所述方法包括:针对获得的每个第一用户评论,根据预设第一规则或预设第二规则,识别所述第一用户评论的文本评论中的每个词对;针对每个词对,根据预设第一公式、保存的每个联合概率,计算所述词对在每个方面、取每个可选得分时的概率,根据计算得到的每个概率,获得每个方面对应的概率和值,并将最大的概率和值对应的方面确定为所述词对归属的方面,并确定所述词对在该方面的得分;针对每个方面,根据确定的每个第一用户评论中在该方面的词对的得分,确定所述待评分商家在所述方面的方面评分。本实施例能够提高评分网站上商家的总体评论中方面评分的准确性。

    对异质网络中对象进行排序的方法

    公开(公告)号:CN103559320B

    公开(公告)日:2016-08-24

    申请号:CN201310596279.X

    申请日:2013-11-21

    Abstract: 本发明实施例公开了一种对异质网络中对象进行排序的方法,其特征在于,所述方法包括:获取第一目标类型与第二目标类型;将异质网络转化为由所述第一目标类型、所述第二目标类型及所述第一目标类型与所述第二目标类型之间的路径构成的二分网络;将所述二分网络转化为对应的张量X;获取在所述张量X中进行随机游走时的可达概率平稳分布;根据所述可达概率平稳分布对所述第一目标类型中的对象、所述第二目标类型中的对象及所述第一目标类型与所述第二目标类型之间的路径进行排序。与现有技术相比,本实施例对异质网络中的对象进行排序时,不但可以使用路径捕捉语义信息,而且可以充分利用语义信息,排序结果相对准确。

    微博转发量预测模型生成方法及微博转发量预测方法

    公开(公告)号:CN103984701A

    公开(公告)日:2014-08-13

    申请号:CN201410157342.4

    申请日:2014-04-16

    CPC classification number: G06F17/30713 G06Q10/04

    Abstract: 本发明实施例公开了微博转发量预测模型生成方法及微博转发量预测方法。微博转发量预测模型生成方法包括:获取训练数据,训练数据包括多条已知转发量的微博;以微博的转发量为依据,将微博分为3个以上转发量类别;提取每条微博的基本特征;建立基本特征与转发量类别之间的多分类模型;针对每一个转发量类别,建立基本特征与微博转发量之间的回归模型。微博转发量预测方法包括:提取待预测微博的基本特征;根据多分类模型及基本特征,判定待预测微博所属的转发量类别;获取转发量类别对应的回归模型;根据回归模型及基本特征,预测待预测微博的转发量。采用本发明的提供的方法特征提取简单且适合在大规模数据中使用。

Patent Agency Ranking