公开(公告)号：CN119204180A

公开(公告)日：2024-12-27

申请号：CN202411217636.1

申请日：2024-09-02

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  张新勋 ,  高梦州 ,  李天鹏 ,  赵治栋

IPC: G06N5/022 ,  G06N5/04 ,  G06Q50/00 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06F16/9537

Abstract: 本发明公开了一种自监督的时空特征融合的动态网络链接预测方法，该方法首先从各个社交平台上获取社交数据构建动态网络数据集，并构建对应的图快照。其次对于图快照，动态更新各个边的掩码值，得到由掩码边构成的图为掩码图，和由扰动边构成的图为扰动图。然后构建编码器，基于扰动图，通过编码器获取图快照上的节点嵌入，使用结合了门控循环单元网络和图神经网络的图循环神经网络，更新动态网络的隐藏状态。最后构建全局增强的解码器，基于掩码图，进行解码操作，输出动态网络链接预测结果，并构建损失函数进行训练。本发明保证动态网络上的演化信息的完整性，并防止时间信息的丢失，进行准确的动态网络链接预测。

公开(公告)号：CN118839719A

公开(公告)日：2024-10-25

申请号：CN202410971256.0

申请日：2024-07-19

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  鲁逸凡 ,  刘欢 ,  高梦州

IPC: G06N3/042 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于图变换器的异质图表示学习方法，该方法首先通过网络数据获取不同类型的实体之间的关系，并建模成异质图，将异质图中的目标节点的一阶邻居输入节点序列中，直到满足预先定义的长度。其次使用线性变换将异质图中所有不同类型的节点映射到一个公共的向量空间，使用图卷积神经网络GCN，学习每个节点在第l层中的初步节点表示。然后基于初步节点表示，通过图变换器Transformer，获得包含类型信息的最终节点表示。最后将最终节点表示用于节点分类任务，通过损失来优化权重，学习到优化后的节点表示。本发明能学习到精确的异质图表示，从而应用于下游任务。

公开(公告)号：CN118333093A

公开(公告)日：2024-07-12

申请号：CN202410758751.3

申请日：2024-06-13

Applicant: 杭州电子科技大学

Inventor： 黄娜娜 ,  焦鹏飞 ,  鲍青 ,  高梦州 ,  苏方方 ,  唐会军 ,  赵品龙 ,  杨彬

IPC: G06N3/044 ,  G06N3/08

Abstract: 本发明提供基于隐式多时间尺度的序列推荐方法，能够获得更加准确的推荐结果。所述推荐方法包括：依据用户兴趣的动态变化程度不同，引入带时钟频率的循环神经元层，为循环神经网络隐层神经元分组；对隐层神经元分组信息，通过设计对隐层神经元的不同分区更新频率不同，抽取多个时间尺度下的用户兴趣特征；对多个时间尺度下的用户兴趣特征，通过尺度维卷积层，建模对不同时间尺度的用户兴趣特征表示的依赖关系，进而生成多时间尺度用户兴趣特征的统一表示；对多个时间尺度下用户兴趣特征的统一表示，采用全连接层建模统一的多尺度用户兴趣特征表示与项目的隐式特征之间的关系，预测用户感兴趣的项目。