-
公开(公告)号：CN115169521A
公开(公告)日：2022-10-11
申请号：CN202210884170.5
申请日：2022-07-25
Applicant: 重庆邮电大学
IPC: G06N3/02
Abstract: 本发明属于神经网络解释技术领域，具体涉及一种保持预测顺序和结构依赖关系的图神经网络解释方法；该方法包括：获取原始图数据，将原始图数据输入待解释的图神经网络模型，得到原始的预测结果；采用掩码生成器对原始图数据进行掩码，得到掩码后的子图；将掩码后的子图输入到待解释的图神经网络模型，得到掩码后的预测结果；根据原始预测结果和掩码后的预测结果计算总损失；根据总损失优化掩码生成器，迭代更新掩码生成器参数，直到得到最优掩码生成器；采用最优掩码生成器对原始图数据进行掩码，得到掩码后的子图即原始预测结果的解释；本发明解释可对图神经网络的进行可靠的解释，实用性高。
-
公开(公告)号：CN112487305B
公开(公告)日：2022-06-03
申请号：CN202011388770.X
申请日：2020-12-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于GCN的动态社交用户对齐方法，属于网络分析领域。利用源网络和目标网络中的节点与边的结构和关系，组合成一个融合网络Z，用于保存两个网络中的节点与边的结构，并作为模型的初始输入结构，且根据网络动态变化的时间序列，生成一系列网络快照Z1，Z2，...ZT；最后通过一个全连接层输出网络表示，同时在全连接层定义一个损失函数进行节点分类，分出潜在锚节点与非锚节点。本发明可以在深层神经网络模型下完成动态网络的用户对齐任务，有效保存网络结构信息、属性信息和时间信息等多维信息，解决动态网络用户对齐任务模型重训练、训练信息单一等问题。
-
公开(公告)号：CN110825861B
公开(公告)日：2022-05-03
申请号：CN201911073080.2
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06K9/62
Abstract: 本发明涉及自然语言处理领域，特别涉及一种基于分布式表示模型困惑度的人机对话方法；本方法包括：获取文本数据；对文本数据进行处理，得到BERT模型和模型困惑度特征向量；将文本数据转换为768维句向量；利用768维句向量训练t‑SNE模型，并结合k得到3维向量；利用3维向量训练单分类One‑Class SVM模型，并判别输入数据属于域内还是域外；利用768维句向量训练逻辑回归文本分类模型，并对文本数据进行领域内分类；输入文本数据，判断输入的数据为域内还是域外，并做出回答；本发明实现了对文本域内域外的判断，从而判别出用户输入是否在问答系统解决能力范围内，避免了问答系统对不知情的问题乱回答的现象。
-
公开(公告)号：CN114398904A
公开(公告)日：2022-04-26
申请号：CN202111386005.9
申请日：2021-11-22
Applicant: 重庆邮电大学
IPC: G06F40/35 , G06F16/35 , G06F40/216 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于多粒度特征解耦的开放领域对话生成方法，包括：获取数据集和对话类别；随机选取数据集中的若干个第一训练对输入条件变分自编码器CVAE模型，得到与对话类别对应的先验高斯分布；将数据集中的第二训练对输入高级条件变分自编码器A‑CVAE模型中，得到重构期望损失和KL散度；根据重构期望损失、KL散度、第一训练对对应的先验高斯分布，得到总损失；根据总损失对A‑CVAE模型进行反向梯度优化，得到训练A‑CVAE模型；获取待回复对话问题；将待回复对话问题输入训练A‑CVAE模型，生成对话回复。本发明能够解决现有模型不能很好的捕捉对话的类别语义，生成的对话可解释性不高的技术问题。
-
公开(公告)号：CN113222207A
公开(公告)日：2021-08-06
申请号：CN202110204214.0
申请日：2021-02-24
Applicant: 重庆邮电大学
Abstract: 本发明属于网络关系预测以及链接预测领域，特别涉及一种基于社区结构的招投标公司网络关系预测方法及预测系统，方法包括获取数据并进行预处理；根据公司参与项目的情况建立公司之间的关系并构建公司关系网络；提取公司节点局部拓扑特征，作为节点的局部相似度；利用社区发现算法对公司节点进行社区结构检测，得到节点的所属社区信息；对检测出的社区结构信息，分析不同社区间的链接紧密度；通过融合局部相似度与社区间的链接紧密度得到不同节点对的相似度，将其作为节点间产生连边的概率，输出招投标公司数据集节点间存在极大相似度的连边；本发明为招投标监管部门制定有效的围标串标防治机制提供技术支撑，保证了招投标领域的公平。
-
Patent Agency Ranking
公开(公告)号：CN112163170A
公开(公告)日：2021-01-01
申请号：CN202011082763.7
申请日：2020-10-12
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于虚节点和元学习改进社交网络对齐的方法，包括跨社交网络分别添加成对虚节点，加入虚节点后的社交网络在图表示算法中进行新的训练，利用虚节点使得社交网络的向量表示空间变得更加稀疏；利用元学习通过不同的社交网络数据得到对齐所需的先验知识，半监督环境下聚合锚节点周围邻居的信息来更新虚节点的向量，在跨网络环境下利用先验知识去更新测试数据中虚节点的更新方向，虚节点找到在对齐工作中的最佳位置；本发明可以改进利用图表示算法进行的社交网络对齐工作，从表示向量的本质出发，有效的改变了节点表示的训练方式，提升这些算法的准确率。
-
公开(公告)号：CN116304908A
公开(公告)日：2023-06-23
申请号：CN202310191205.1
申请日：2023-03-02
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于空间挖掘的水华判断方法，包括：在水域的N个区域分别部署传感器实时采集水体数据，其中，N为大于1的整数，所述水体数据包括：环境参数水温、PH、浊度、溶解氧、电导率、高猛酸盐指数、氨氮、总磷和总氨；将水域中待测区域部署的传感器作为目标传感器，水域中其余区域部署的传感器作为剩余传感器；将所有剩余传感器采集的水体数据依次进行排列组成剩余水体数据序列；将剩余传感器采集的水体数据和剩余水体数据序列输入训练好的水华判断模型预测水域中待测区域是否发生了水华，提高水华判断的准确性，提高环境管理部门的及时的采取应急措施，减少水华带来的生态危害和健康风险。
-
公开(公告)号：CN115130657A
公开(公告)日：2022-09-30
申请号：CN202210733156.5
申请日：2022-06-27
Applicant: 重庆邮电大学
Abstract: 本发明属于互联网技术领域，具体涉及一种社交网络对齐方法，采集网络用户数据，按照用户关系形成第一社交网络图和第二社交网络图，取一部分用户构成用户对形成第三社交网络图，计算出邻接矩阵，将邻接矩阵输入编码器得到第一用户节点表示矩阵；将第一用户节点表示矩阵和邻接矩阵输入去噪模型，得出遮盖矩阵；根据遮盖矩阵与邻接矩阵，得出遮盖邻接矩阵将遮盖邻接矩阵输入编码器得到第二用户节点表示矩阵；根据第二用户节点表示矩阵，得出第一相似度和第二相似度的差值并更新去噪模型的学习参数；输出更新后的遮盖邻接矩阵，根据遮盖邻接矩阵对网络图中的用户对齐；本发明能去除社交网络中由于存在相同用户而产生的噪声，提高社交网络对齐的效果。
-
公开(公告)号：CN112507247B
公开(公告)日：2022-09-23
申请号：CN202011476008.7
申请日：2020-12-15
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域，具体涉及一种融合用户状态信息的跨社交网络用户对齐方法；所述方法包括采用随机游走采样的方式提取用户的局部特征；采用迭代的方式计算出用户的状态值，循环比较具有相似状态值的用户集合作为该用户的全局特征；将局部特征和全局特征输入到词向量模型的神经网络模型中映射为低维特征向量；将用户在两个社交网络中的低维特征向量采用预设的映射函数进行对齐，输出源社交网络中的用户与目标社交网络中的用户中可能存在的潜在对齐用户对；本发明利用网络嵌入方法分别从局部和全局提取出社交用户特征，利用节点状态量化节点在网络中的重要性，通过融合节点状态以及迭代地更新训练对齐模型，提高用户识别的准确率。
-
公开(公告)号：CN111814066B
公开(公告)日：2022-06-03
申请号：CN202010620580.X
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于启发式算法的动态社交用户对齐方法及系统；所述方法包括：跨网络新增节点权重自适应学习方法，在单网络环境下引入注意力机制获取新节点在单网络中的局部影响权重，在多网络环境下使用跨网络特有的锚节点作为监督信息，启发式学习新节点在用户对齐任务驱动下的局部影响权重；网络局部动态更新，融合上述两种权重，选择需要更新的网络范围，在保持二阶邻居相似度的前提下进行网络局部动态更新，完成用户对齐任务驱动下的多网络用户表示，进而完成动态跨网络用户对齐；本发明可以在不失准确率的情况下在较短的时间完成动态网络的更新，有效解决动态网络用户对齐时间开销大、模型重训练等问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.026 seconds)
