公开(公告)号：CN111950594B

公开(公告)日：2023-05-05

申请号：CN202010673816.6

申请日：2020-07-14

Applicant: 北京大学

Inventor： 王佳麟 ,  高军 ,  白金泽 ,  李朝 ,  张吉 ,  王佳

IPC: G06F18/21 ,  G06F18/23213 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明涉及一种基于子图采样的大规模属性图上的无监督图表示学习方法和装置。该方法包括：根据属性图的结构信息和节点属性信息，对属性图进行子图采样，生成多张子图；利用属性图的结构信息、节点属性信息和社区信息，在每个子图上进行图自编码器的学习，得到属性图中节点的低维向量表示。图自编码器包括编码器和解码器；编码器采用图卷积神经网络；解码器包含图结构损失重构解码器、图内容损失重构解码器以及图社区损失重构解码器。本发明支持用户利用此方法以无监督的方式学习大规模属性图中的节点的低维向量表示，这些向量表示会尽可能保留图上的拓扑结构信息和节点属性信息，这些向量作为输入应用于不同的下游任务来对图进行数据挖掘任务。

公开(公告)号：CN111414549A

公开(公告)日：2020-07-14

申请号：CN201910397783.4

申请日：2019-05-14

Applicant: 北京大学

Inventor： 宋军帅 ,  李朝 ,  胡仄虹 ,  高军 ,  李健 ,  李振鹏

IPC: G06F16/9536 ,  G06F16/958 ,  G06Q10/06 ,  G06Q30/06 ,  G06Q50/00

Abstract: 本发明涉及一种针对推荐系统脆弱性的智能通用评估方法和系统。该方法包括：1)对推荐系统建立攻击策略的搜索树；2)采用强化学习算法从所述搜索树中学习高效的攻击策略；3)根据学习得到的攻击策略以及测试攻击效果对推荐系统的脆弱性进行评估。本发明提出了针对复杂推荐系统，高效自适应评估其脆弱性的方案，该方案基于强化学习架构，无需过多人工干预，人工成本低，可快速定位到针对特定推荐系统的有效攻击手段，通过攻击效果进而来准确高效地对推荐系统脆弱性进行评估，获得的高效攻击策略也可以更有针对性地指导防御手段的设计。

公开(公告)号：CN111950594A

公开(公告)日：2020-11-17

申请号：CN202010673816.6

申请日：2020-07-14

Applicant: 北京大学

Inventor： 王佳麟 ,  高军 ,  白金泽 ,  李朝 ,  张吉 ,  王佳

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明涉及一种基于子图采样的大规模属性图上的无监督图表示学习方法和装置。该方法包括：根据属性图的结构信息和节点属性信息，对属性图进行子图采样，生成多张子图；利用属性图的结构信息、节点属性信息和社区信息，在每个子图上进行图自编码器的学习，得到属性图中节点的低维向量表示。图自编码器包括编码器和解码器；编码器采用图卷积神经网络；解码器包含图结构损失重构解码器、图内容损失重构解码器以及图社区损失重构解码器。本发明支持用户利用此方法以无监督的方式学习大规模属性图中的节点的低维向量表示，这些向量表示会尽可能保留图上的拓扑结构信息和节点属性信息，这些向量作为输入应用于不同的下游任务来对图进行数据挖掘任务。