-
公开(公告)号：CN114118779A
公开(公告)日：2022-03-01
申请号：CN202111404720.0
申请日：2021-11-24
Applicant: 武汉大学
Abstract: 本发明提供了一种基于KGANN的面向互联网舆情事件的企业风险识别方法，通过重构神经网络的神经元，在保留知识图谱内容和结构的基础上，实现知识图谱和神经网络的融合，在识别风险过程中考虑到企业相关的领域知识。领域知识可以对特征向量进行补充或约束，从而使所提方法在识别风险时更具有针对性，从而提升模型风险识别能力。而且KGANN通过引入领域知识，在小规模数据集上表现优异。本发明在面向互联网舆情事件的企业风险识别任务上相较于传统方法具有显著优势。
-
公开(公告)号：CN110888930A
公开(公告)日：2020-03-17
申请号：CN201911337161.9
申请日：2019-12-23
Applicant: 武汉大学
IPC: G06F16/25 , G06F16/901 , G06F16/903
Abstract: 本发明提供一种基于知识图谱的金融知识查询服务接口设计与实现方法，从自主构建的金融知识图谱中查询出金融实体和相关属性；根据金融领域的知识，定义三种查询接口的金融意义，三种查询接口包括股权关联查询、多层股权查询和环形持股查询；提供所述的三种查询接口的算法；利用知识图谱相关技术和相关图查询算法对所述的三种查询接口进行实现。本发明将金融领域与知识图谱进行紧密地结合，以知识图谱的形式表示复杂的金融关系，发挥各自领域的优势，适用于多种金融领域的查询服务，为智能应用的实现提供充分的知识关联，以智能应用需求为核心组织领域知识，提供准确高效的领域性查询服务。
-
公开(公告)号：CN104616225B
公开(公告)日：2017-11-14
申请号：CN201510072026.1
申请日：2015-02-11
Applicant: 武汉大学
Abstract: 本发明提供了一种基于社区在线学习系统的学习激励机制构建方法，在以课程为社区的学习系统中，通过对用户活动的综合评价，得出用户使用系统的情况；而用户的活动分为两部分：用户下载资源数和用户回答问题数，这两者构成用户影响传播图，再结合用户好友关系和用户之间的间接影响带来的多阶传播，得到用户影响传播矩阵，采用自己设计的类PageRank算法，计算用户的声誉值，作为在线学习系统中用户的平时成绩，从而激励用户多参与课程社区的活动，来提高自己的声誉值。
-
公开(公告)号：CN107085594A
公开(公告)日：2017-08-22
申请号：CN201710150451.7
申请日：2017-03-14
Applicant: 武汉大学
IPC: G06F17/30
CPC classification number: G06F17/30958 , G06F17/30964
Abstract: 本发明公开了一种大图数据库中基于集合相似度的子图匹配方法，包括以下步骤：1)在查询图的多个支配集中选取一个经济的支配集；2)集合相似度剪枝：运用集合相似度剪枝方法得到查询顶点的所有候选点；3)基于结构的剪枝；根据查询图Q同构的结构限制，对查询顶点的所有候选点基于结构剪枝，过滤查询顶点的候选点；4)基于支配集的子图匹配。本发明提出一种有效的双图剪枝方法，包括集合相似度剪枝和基于结构的剪枝，通过本方法将检索出那些与查询图同构，同时满足运用动态加权集相似度的顶点匹配条件，有效提高查询效率。
-
公开(公告)号：CN104616225A
公开(公告)日：2015-05-13
申请号：CN201510072026.1
申请日：2015-02-11
Applicant: 武汉大学
CPC classification number: G06Q50/20 , G06F17/30654 , G06F17/3089 , G06Q50/01 , G09B5/14
Abstract: 本发明提供了一种基于社区的在线学习系统的学习激励机制，在以课程为社区的学习系统中，通过对用户活动的综合评价，得出用户使用系统的情况；而用户的活动分为两部分：用户下载资源数和用户回答问题数，这两者构成用户影响传播图，再结合用户好友关系和用户之间的间接影响带来的多阶传播，得到用户影响传播矩阵，采用自己设计的类PageRank算法，计算用户的声誉值，作为在线学习系统中用户的平时成绩，从而激励用户多参与课程社区的活动，来提高自己的声誉值。
-
Patent Agency Ranking
公开(公告)号：CN119494732A
公开(公告)日：2025-02-21
申请号：CN202411520200.X
申请日：2024-10-29
Applicant: 武汉大学
Abstract: 本发明公开一种基于股权知识图谱学习的实际控制人挖掘方法及装置。实际控制人被定义为处于一个获胜的稳定联盟中的股东，联盟内成员在投票过程中作出一致决定，并获取控制。该方法通过构建股权知识图谱，组织与表示了股权网络中的股东间的多种复杂关系。为挖掘获胜稳定联盟，设计了一个多维关联聚合神经网络，根据股东间不同类型关系的信息预测一致行动的可能性。并基于聚合信息设置元路径聚合神经网络，通过垂直捕捉股权知识图谱中的持股路径来编码股权结构。为了确定获胜稳定联盟，该方法提出控制神经网络来模拟股东的投票过程。本发明能够有效解决因股权网络中复杂多维关系导致的实际控制人挖掘中低精确度和高时间成本问题。
-
公开(公告)号：CN112991070B
公开(公告)日：2023-11-10
申请号：CN202110281306.9
申请日：2021-03-16
Applicant: 武汉大学
Abstract: 本发明提供一种金融股权知识大图的多层股权穿透方法，从金融股权知识大图中找出以给定金融机构为中心的穿透式多层股权网络；基于层序遍历由中心结点逐步扩展计算各个股东结点到中心结点的最大持股比例以及持股比例最大路径的层数，支撑穿透式多层股权网络的生成；最后计算穿透式多层股权网络中各股东结点到中心结点的最终持股比例，找出中心结点的实际控股股东。本发明能够解决带环路的知识图谱中的最短路径计算问题，并应用于金融领域，高效准确地支持股权网络中的穿透式多层股权网络以及关键股权路径层级和实际控股股东的发现。
-
公开(公告)号：CN113378574B
公开(公告)日：2023-10-24
申请号：CN202110732903.9
申请日：2021-06-30
Applicant: 武汉大学
IPC: G06F40/295 , G06F16/36 , G06N3/042 , G06N3/084 , G06N5/022
Abstract: 本发明提供一种基于KGANN(Knowledge Graph Artificial Neural Network，KGANN)的命名实体识别方法，该方法通过重构知识图谱的神经元，在保留知识图谱内容和结构的基础上，使其可被深度学习训练方法训练，从而达到知识图谱和深度学习模型高度融合。KGANN通过引入领域知识，从而在小规模数据集上表现优异。本发明所提方法相较传统命名实体识别方法具有明显提升，在小样本数据下具有更强的鲁棒性。
-
公开(公告)号：CN115658892A
公开(公告)日：2023-01-31
申请号：CN202211279273.5
申请日：2022-10-19
Applicant: 武汉大学
IPC: G06F16/35 , G06F16/36 , G06N5/02 , G06F16/33 , G06F40/295 , G06F40/30 , G06F40/216 , G06N3/04 , G06N3/084 , G06N3/088
Abstract: 本发明提供了一种面向金融风险知识图谱的动态关系预测方法及设备。所述方法包括：步骤S1至步骤S8。本发明使用知识图谱的层级结构作为特征提取层的结构，并将命名实体的特征注入特征提取层的神经元中，特征提取层的神经元为不同的命名实体，特征提取层间的连接为命名实体间的关系，同时使用无监督的语言模型作为训练任务，对输入语句进行特征提取，进而对命名实体间的关系进行学习，保证实体间关系更新的及时性。
-
公开(公告)号：CN113378574A
公开(公告)日：2021-09-10
申请号：CN202110732903.9
申请日：2021-06-30
Applicant: 武汉大学
IPC: G06F40/295 , G06F16/36 , G06N3/04 , G06N3/08 , G06N5/02
Abstract: 本发明提供一种基于KGANN(Knowledge Graph Artificial Neural Network，KGANN)的命名实体识别方法，该方法通过重构知识图谱的神经元，在保留知识图谱内容和结构的基础上，使其可被深度学习训练方法训练，从而达到知识图谱和深度学习模型高度融合。KGANN通过引入领域知识，从而在小规模数据集上表现优异。本发明所提方法相较传统命名实体识别方法具有明显提升，在小样本数据下具有更强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.058 seconds)
