公开(公告)号：CN109783696B

公开(公告)日：2021-06-04

申请号：CN201811466997.4

申请日：2018-12-03

Applicant: 中国科学院信息工程研究所

Inventor： 于静 ,  唐钰葆 ,  刘小梅 ,  刘燕兵 ,  曹聪 ,  谭建龙 ,  郭莉

IPC: G06F16/901 ,  G06F16/2458

Abstract: 本发明公开了一种面向弱结构相关性的多模式图索引构建方法及系统。本方法为：1)读取目标领域的模式图集合中的模式图并为每一模式图生成一模式图标志ID；2)构建模式图同构树：对各模式图进行两两判断，如果两个模式图之间存在子图同构关系，则添加一条从规模较小模式图指向规模较大模式图的有向边，得到模式图集合的模式图同构树；3)对模式图同构树进行频繁子图挖掘，找到公共模式图并将其加入到模式图同构树中；4)当模式图同构树中存在一子模式图具有多个父模式图时，则为该子模式图保留唯一的父模式图；5)计算模式图同构树的最小生成树，并对其进行深度优先遍历，得到模式图集的最优匹配顺序。本发明能够大大提高匹配效率。

公开(公告)号：CN110929029A

公开(公告)日：2020-03-27

申请号：CN201911064089.7

申请日：2019-11-04

Applicant: 中国科学院信息工程研究所

Inventor： 唐钰葆 ,  于静 ,  曹聪 ,  刘燕兵 ,  谭建龙 ,  郭莉

IPC: G06F16/35 ,  G06N3/04

Abstract: 本发明公开了一种基于图卷积神经网络的文本分类方法及系统。本方法为：1)对于目标领域的文本训练集中的每一已类别标注文本，根据该文本中词的词频、逆文档率生成该文本的文本特征向量；将各文本特征向量组合生成一文本特征矩阵，即TF-IDF矩阵，并根据词的词向量相似度构建一该文本训练集的图结构；2)利用所述图结构及文本特征矩阵训练图卷积神经网络；3)对于该目标领域的一待分类文本a，将该文本a的文本特征向量输入训练后的图卷积神经网络，得到该文本a的类别。本发明不仅考虑到文本的语义结构信息，而且从另一个角度捕捉文本的隐藏特征，分类准确性高。

公开(公告)号：CN109783696A

公开(公告)日：2019-05-21

申请号：CN201811466997.4

申请日：2018-12-03

Applicant: 中国科学院信息工程研究所

Inventor： 于静 ,  唐钰葆 ,  刘小梅 ,  刘燕兵 ,  曹聪 ,  谭建龙 ,  郭莉

IPC: G06F16/901 ,  G06F16/2458

Abstract: 本发明公开了一种面向弱结构相关性的多模式图索引构建方法及系统。本方法为：1)读取目标领域的模式图集合中的模式图并为每一模式图生成一模式图标志ID；2)构建模式图同构树：对各模式图进行两两判断，如果两个模式图之间存在子图同构关系，则添加一条从规模较小模式图指向规模较大模式图的有向边，得到模式图集合的模式图同构树；3)对模式图同构树进行频繁子图挖掘，找到公共模式图并将其加入到模式图同构树中；4)当模式图同构树中存在一子模式图具有多个父模式图时，则为该子模式图保留唯一的父模式图；5)计算模式图同构树的最小生成树，并对其进行深度优先遍历，得到模式图集的最优匹配顺序。本发明能够大大提高匹配效率。