-
公开(公告)号：CN112085085A
公开(公告)日：2020-12-15
申请号：CN202010917529.5
申请日：2020-09-03
Applicant: 哈尔滨工业大学
IPC: G06K9/62 , G06F16/901 , G06N20/00
Abstract: 一种基于图结构的多源迁移学习方法，属于人工智能领域，为了解决单纯利用图结构数据的节点实体特征不能准确预测目标域节点标签的问题。该方法通过构建节点T‑邻域结构，获得T‑邻域结构集合；并对T‑邻域结构集合进行去重，获得子图集B；通过学习子图集B，获得通用结构；利用通用结构分别获得源域节点结构特征和目标域节点结构特征；将节点实体特征和节点结构特征相结合，分别获得源域新特征和目标域新特征，从而获得目标域节点标签。本发明方法可以应用于目标任务相同的同构迁移学习和异构迁移学习，在具有图结构的数据中具有很好的预测效果，可以对一个新未知网络进行较为准确的节点标签信息预测。
-
公开(公告)号：CN109635951A
公开(公告)日：2019-04-16
申请号：CN201811547551.4
申请日：2018-12-18
Applicant: 哈尔滨工业大学
IPC: G06N7/00
CPC classification number: G06N7/00
Abstract: 基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法及系统，涉及数据标定技术领域。本发明为了有效地提高数据标定准确率。加权分布对齐能够权衡样本数据的边际概率分布和条件概率分布的重要性，进而减小领域间的差异；几何特征对齐不但能进一步挖掘领域间样本数据的几何特征，而且通过图拉布拉斯正则化可以很好的保持样本数据空间的几何结构，进而提高样本可分性和数据标定的准确性。通过与其他方法进行实验对比，本发明开发的系统—基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法可以有效地提高数据标定准确率。
-
公开(公告)号：CN119004255A
公开(公告)日：2024-11-22
申请号：CN202411043419.5
申请日：2024-07-31
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于图注意力网络的静态异构网络链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取异构网络训练数据集和测试数据集，数据集包括异构图；利用预设的元路径在边类型为r的异构图上进行随机游走以生成路径集合，并从路径集合中获得样本批次；基于训练数据集和测试数据集训练链路预测模型；将待预测异构网络数据输入训练好的链路预测模型中进行链路预测。本发明在静态异构网络链路预测任务上具有显著优势。
-
公开(公告)号：CN118797155A
公开(公告)日：2024-10-18
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
公开(公告)号：CN116842398B
公开(公告)日：2024-06-28
申请号：CN202310765614.8
申请日：2023-06-27
Applicant: 哈尔滨工业大学
IPC: G06F18/22 , G06N3/0499 , G06N3/048 , G06N3/0464 , G06F18/25 , G06N3/0455
Abstract: 本发明公开了一种基于屏蔽自注意力网络的话题感知信息转发预测方法及系统，涉及信息转发预测技术领域。本发明的技术要点包括：提取消息中的话题表示，将话题表示与用户嵌入进行融合表示，获得用户‑话题依赖表示；构建包含上下文编码器、掩码生成器、掩码编码器的屏蔽自注意力网络，将用户‑话题依赖表示输入屏蔽自注意力网络，获得上下文用户依赖感知的用户表示；利用注意力机制计算目标用户与历史感染用户列表的相似度，以对用户表示进行优化重建；通过计算对应优化重建后用户表示的级联表示与下一个用户之间的似然关系来获取下一个用户的激活概率。本发明可为舆情研判、个性化推荐、热点话题识别等应用提供有价值的决策辅助支撑。
-
Patent Agency Ranking
公开(公告)号：CN117933304A
公开(公告)日：2024-04-26
申请号：CN202410177123.6
申请日：2024-02-08
Applicant: 哈尔滨工业大学
IPC: G06N3/044 , G06N3/042 , G06N3/0895
Abstract: 一种基于自监督的多视角会话推荐桥接模型，涉及会话推荐技术领域，本发明为了解决现有的会话推荐模型没有将基于序列和基于图的会话推荐方案进行整合，没有实现在整合图模式和序列模式的同时保留相应的特征以最大化单一模式优势并提高会话推荐模型整体性能，从图到序列的转换过程伴随着结构和会话间信息的丢失等问题。本发明利用自监督学习框架将基于序列和基于图的会话推荐这两种方案结合起来，将图模式和序列模式视为两个单独的通道，通过对比学习架构集成了上述两个通道。在DC‑Rec模型中，通过通道间对比桥接模块在会话中吸收图和序列知识。通过最大化两个通道之间的互信息，将两种模式信息进行了较为充分的融合。实验结果表明DC‑Rec始终优于其他最先进的会话推荐方法。
-
公开(公告)号：CN117112923A
公开(公告)日：2023-11-24
申请号：CN202311012484.7
申请日：2023-08-11
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06N3/0464 , G06N3/08 , G06N7/01 , G06N3/048
Abstract: 一种基于传播范围自适应的协同过滤方法及系统，涉及推荐技术领域，用以区分推荐系统中实体不同属性的传播范围。针对细粒度的实体多属性以及自适应传播范围，定义PDA‑GNN模型为：该模型框架利用用户和物品交互背后的实体属性多样性来提高推荐性能，框架包含四个主要部分：嵌入层、卷积层、注意力层以及预测层；嵌入层将用户和物品的ID映射到密集的嵌入向量上，每个节点拥有多个属性嵌入，其中每个用户的嵌入数量与GNN的最大传播深度一致；接下来，卷积层完成节点嵌入的传播和聚集，形成图上的嵌入聚集过程；然后，注意力层计算每个节点的属性嵌入注意力系数，并将多个属性嵌入整合到最终的嵌入表示中；最后，预测层根据用户与物品的最终嵌入表示完成用户与物品之间交互得分的预测。实验结果证明本发明提出的PDA‑GNN模型性能优越。
-
公开(公告)号：CN115526290A
公开(公告)日：2022-12-27
申请号：CN202211076590.7
申请日：2022-09-05
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于安全多方计算的神经网络模型推理系统。该系统包括：安全多方计算模块，用于基于多个参与方，根据明文模型的模型信息构建密文计算图，并调用GPU计算模块和RDMA通信模块，根据获取密文执行密文计算图，获得密文结果，并将执行后的密文结果恢复至用户；其中，密文计算图为模型计算图转化获得，GPU计算模块，用于根据获取的用户发送的密文，利用32比特整型矩阵运算执行密文计算图；RDMA通信模块，用于利用GPU‑RDMA通信方案，进行GPU计算模块计算过程中的数据通信。本发明的有益效果：保证神经网络模型推理准确度的同时，提高推理效率。
-
公开(公告)号：CN119892387A
公开(公告)日：2025-04-25
申请号：CN202411422530.5
申请日：2024-10-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于反检测蜜罐的物联网僵尸网络生命周期检测方法及系统，涉及网络安全检测及防御技术领域。本发明的目的是为了实现准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期，避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性。首先基于生成对抗网络设计具备反检测功能的蜜罐，经过训练后根据不同的请求数据生成逼真的响应数据，从而提升它的欺骗能力。基于融合长短期记忆网络设计物联网僵尸网络生命周期检测方法。经过对Fusion‑LSTM训练后，可以准确识别反检测蜜罐捕获的物联网僵尸网络流量所处的生命周期。该方法可以避开攻击者的虚拟检测技术实现对物联网僵尸网络流量更高的欺骗性，同时可以准确的识别流量所处的生命周期，从而尽早作出防护应对。
-
公开(公告)号：CN118797155B
公开(公告)日：2025-04-22
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.028 seconds)
