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

Applicant: 北京邮电大学 ,  鹏城实验室

Inventor： 石川 ,  王贞仪

IPC: G06V20/70 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

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。

公开(公告)号：CN114266353A

公开(公告)日：2022-04-01

申请号：CN202111589057.6

申请日：2021-12-23

Applicant: 北京邮电大学

Inventor： 石川 ,  王贞仪

IPC: G06N3/08 ,  G06N3/04 ,  G06F16/9536 ,  G06Q30/02

Abstract: 本发明公开了一种基于图神经网络的协同过滤模型设计方法，首先提出了一个统一的基于图神经网络的协同过滤模型设计框架，在这个框架之上，我们定义了一个设计空间，并通过大量的实验来评估它，获得了有趣的发现，为模型设计提供了见解。在这些见解的指导下，本发明对原设计空间进行了压缩，以获得一个紧凑的空间，其中包含更高浓度的高性能模型。实验表明，压缩后的设计空间具有较高的质量和较强的泛化能力。本发明首次尝试对基于图神经网络的协同过滤设计空间进行了剖析，这不仅加深了领域学者对模型不同设计维度的理解，也为推荐场景下的图神经网络方法设计提供了一种新的范式。