-
公开(公告)号：CN118568299A
公开(公告)日：2024-08-30
申请号：CN202310806969.7
申请日：2023-07-03
Applicant: 第四范式(北京)技术有限公司 , 北京邮电大学
IPC: G06F16/901 , G06F16/9035 , G06F16/9038 , G06N3/0464 , G06N3/08
Abstract: 提供了一种结构检索方法、装置、框架、系统、可读存储介质。所述结构检索方法包括：获取目标数据集；利用预训练的结构检索框架对目标数据集进行处理，得到目标图神经网络结构，其中，所述结构检索框架用于预测目标数据集与图神经网络结构的相关性程度，并基于相关性程度确定目标图神经网络结构。
-
公开(公告)号：CN118211258A
公开(公告)日：2024-06-18
申请号：CN202410203717.X
申请日：2024-02-23
Applicant: 北京邮电大学
IPC: G06F21/62 , G06N3/0464 , G06N3/094
Abstract: 本申请提供一种基于敏感信息中和的处理方法、装置及相关设备。该方法包括：从联合先验分布(xi,si)～prior中提取每个节点vi对应的特征和敏感属性；根据每个节点vi通过同质假设采样得到每个节点vi对应的入度邻居节点集；其中，入度邻居节点集，包括：同质邻居节点和异质邻居节点；根据每个节点vi和与每个节点vi对应的入度邻居节点集生成具有节点集v和边集ε的图#imgabs0#其中，节点集V中每个节点vi具有敏感属性si；根据预设方式对图#imgabs1#的结构和或节点对应的节点特征进行修改以得到基于敏感信息中和的目标处理模型。在消息传递之前消除节点特征的偏见，提高预测性能和公平性。
-
公开(公告)号：CN111814842B
公开(公告)日：2023-11-03
申请号：CN202010555093.X
申请日：2020-06-17
Applicant: 北京邮电大学
IPC: G06F18/2415 , G06F18/22 , G06N3/0464 , G06N3/042
Abstract: 本发明实施例提供了一种对象的分类方法及装置，所述方法包括：获取待分类拓扑网络、第一拓扑信息及拓扑网络中每个节点的特征信息；基于每两个节点的特征信息之间的相似度，构建相似性拓扑图，并确定相似性拓扑图的第二拓扑信息；将第一拓扑信息、每个节点的特征信息及第二拓扑信息输入预先训练的节点分类模型，确定每个节点的类型；基于每个节点的类型，确定每个节点所表示的对象的类型。采用本发明实施例，可以提高对象分类的准确度。
-
公开(公告)号：CN115659990A
公开(公告)日：2023-01-31
申请号：CN202211386860.4
申请日：2022-11-07
Applicant: 北京邮电大学 , 中国烟草总公司郑州烟草研究院
IPC: G06F40/30 , G06F40/242 , G06F16/35 , G06F40/289 , G06N3/08 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供烟草情感分析方法、装置及介质，所述方法包括构建烟草情感分析模型；训练上述烟草情感分析模型；将预分析的文本输入训练后的烟草情感分析模型，获得所述文本的情感极性，所述情感极性包括正向、中性和负向。本发明能够准确有效的预测烟草领域用户评论的情感极性。
-
公开(公告)号：CN115527206A
公开(公告)日：2022-12-27
申请号：CN202211209430.5
申请日：2022-09-30
Abstract: 本发明公开了一种基于HGNN的节点依赖的语义搜索方法，与以往的工作不同，本发明考虑到HG中节点的多样性，在节点依赖语义结构的指导下，首次尝试在HGNN上执行节点依赖语义搜索，构建了一个具有表达力的语义结构，包含关系选择和连接选择两个组件，并将HGNN上的语义搜索转化为搜索这两个关键组件中的选择策略。此外，为了提高本发明的自适应性，我们进一步设计了预测器以达到节点依赖的语义搜索，通过自适应关系选择和连接选择来指导HGNN的信息传递流。通过大量实验结果表明，本发明在节点分类和连接预测任务上的性能普遍优于现有的所有基准方法，具有较高的推理效率，并能有效地捕获任务相关语义。
-
Patent Agency Ranking
公开(公告)号：CN114707644A
公开(公告)日：2022-07-05
申请号：CN202210440602.3
申请日：2022-04-25
Applicant: 支付宝(杭州)信息技术有限公司 , 北京邮电大学
Abstract: 本说明书实施例提供一种图神经网络的训练方法，涉及基于用户关系图谱对图神经网络进行多轮次迭代更新，其中任一轮次包括：利用当前图神经网络对所述用户关系图谱进行处理，得到与该用户关系图谱中多个用户节点对应的多个分类预测向量；基于所述多个分类预测向量，为所述多个用户节点中第一数量的未标注节点分配对应的伪分类标签；针对所述第一数量的未标注节点中的各个未标注节点，确定利用其训练所述当前图神经网络而产生的信息增益；根据与所述多个用户节点中各个标注节点对应的分类预测向量和真实分类标签，以及与所述各个未标注节点对应的分类预测向量、伪分类标签和信息增益，更新所述当前图神经网络中的模型参数。
-
公开(公告)号：CN114611621A
公开(公告)日：2022-06-10
申请号：CN202210266293.2
申请日：2022-03-17
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于注意力超图神经网络的协同聚类方法，包括以下步骤：S1、构建一个超图来对完整交互进行建模，其中每个完整交互都表示为一条连接了所有相关对象的超边；S2、设计一个注意力超图神经网络来显式地学习完整交互的表示，同时通过注意力机制选择相关的关键属性以作为解释，所述的注意力机制通过显著性方法来指导；S3、对完整交互和相应的属性选择分布进行协同聚类，以实现基于聚类的一致性。与现有方法对比，本发明对完整交互进行了更全面的建模和表示，并且直接针对交互本身进行聚类分析，而不是对交互中的对象进行聚类分析，因此可以发现更全面的交互模式，此外，本发明还通过考虑两个一致性，进一步提高了聚类性能和可解释性。
-
公开(公告)号：CN113688600A
公开(公告)日：2021-11-23
申请号：CN202111049168.8
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F40/126 , G06F40/194 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于主题感知注意力网络的信息传播预测方法，将主题上下文和传播历史上下文整合到用户表示中进行预测。主题上下文支持针对特定主题的传播模式建模，而传播历史上下文可以进一步分解为用户依赖建模和位置依赖建模。随后，我们可以使用编码得到的用户上下文来构建多主题下的用户表示。然后，我们通过一个时间衰减聚合模块进一步集成用户表示，从而获取级联表示。其中，所有这些模块都是由信息传播的特征驱动的。因此，我们提出的基于主题感知注意力网络的信息传播预测方法可以更好地拟合真实世界的扩散数据，并更准确地预测。此外，在传统的主题感知模型中需要使用预定义好的主题分布，而采用本发明方法主题可以自动学习。
-
公开(公告)号：CN113688574A
公开(公告)日：2021-11-23
申请号：CN202111051476.4
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.037 seconds)
