公开(公告)号：CN117575023A

公开(公告)日：2024-02-20

申请号：CN202311682194.3

申请日：2023-12-08

Applicant: 大连理工大学

Inventor： 马瑞新 ,  王龙飞 ,  陈紫璇 ,  王维鹤 ,  符林

IPC: G06N5/04 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0442

Abstract: 本发明属于知识图谱推理应用技术领域，是一种基于历史趋势的单样本时序知识图谱外推计算方法。其首先使用一种基于组合多关系异构图卷积网络的邻域图聚合器获得时序知识子图的实体邻居信息表征。然后通过归一化流来解决外分布和过拟合问题，并使用自注意力机制来为更重要的实体分配更多的权重来获得全局的历史表征。通过设计的历史趋势聚合器，获得趋势信息分析事实在时间轴上的发展变化规律,辅助全局表征解决长尾关系问题。并将两种表征进行权重加和，进行未来事件的推理。

公开(公告)号：CN117633353A

公开(公告)日：2024-03-01

申请号：CN202311652830.8

申请日：2023-12-05

Applicant: 大连理工大学

Inventor： 原旭 ,  陈紫璇 ,  周健 ,  卜西亚 ,  吴徽南 ,  秦昌媛

IPC: G06F16/9535 ,  G06F16/36 ,  G06N5/022 ,  G06N3/042 ,  G06N3/096

Abstract: 一种基于属性迁移的细粒度知识图谱推荐方法，包括嵌入传播层、属性迁移层和预测层。嵌入传播层负责从细粒度的层面建模用户的表示，并通过关系感知聚合机制将远程连接中的关系依赖融合进最终的用户和项目的表示；属性迁移层通过设定的阈值识别所有的冷启动项目，在项目属性迁移空间上基于图卷积网络架构对冷启动项目的邻居进行二次传播，并使用归一化的交并比来区分每个邻居的重要程度；预测层通过用户和项目表示，计算并输出预测的交互概率。本方法与现有的最先进的基线方法相比均有显著的提升，这归纳于本方法能识别并区分不同类别的项目，且本方法能挖掘项目属性空间中冷启动项目间的协作信号，丰富冷启动项目的嵌入表示，进一步提升推荐性能。

公开(公告)号：CN116578718A

公开(公告)日：2023-08-11

申请号：CN202310515239.1

申请日：2023-05-09

Applicant: 大连理工大学

Inventor： 马瑞新 ,  卜西亚 ,  陈紫璇 ,  吴徽南 ,  马云龙

IPC: G06F16/36 ,  G06F16/335 ,  G06F16/9535 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0895 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明属于推荐系统技术领域，提供一种基于多视图对比学习的知识图谱推荐方法。其首先从不同视角出发综合考虑和构建了四种不同的视图，包括由知识图谱和用户‑项目交互图联合构成的协作知识图谱、用户‑项目交互图、以及基于用户‑项目交互图构造的用户‑用户图和项目‑项目图。除此之外，交并比被应用来合理的构建用户‑用户图以及项目‑项目图，并且一个感受野被设计以此来避免引入更多的噪声。然后其在局部和全局水平上对四个视图进行对比学习，旨在以自监督的方式挖掘用户和项目之间、用户之间、项目之间的协作信息，以及全局的结构信息，从而缓解稀疏的监督信号问题。

公开(公告)号：CN117689015A

公开(公告)日：2024-03-12

申请号：CN202311681708.3

申请日：2023-12-08

Applicant: 大连理工大学

Inventor： 马瑞新 ,  高步云 ,  吴徽南 ,  陈紫璇 ,  齐安格

IPC: G06N5/02 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明属于知识图谱补全技术领域，提供了一种基于路径增强和实体度量协作的单样本知识图谱补全方法。将推理模型引入补全过程中，在提高模型补全质量的同时，提升结果的可解释性。推理模型包括对比学习增强模块、路径推理模块、实体概念过滤模块、路径信息聚合模块和三元组匹配模块。推理模型使用对比学习丰富了预训练向量的语意。使用实体概念过滤模块和路径信息聚合模块加强了实体对的向量表示，从而提高了补全质量。路径推理模块不仅加强了模型的可解释性，也在一定程度上提高了补全精度。通过路径交互和实体度量协同的策略，该推理模型极大提升了单样本场景下的补全质量，同时增强了结果的可解释性。

公开(公告)号：CN117668256A

公开(公告)日：2024-03-08

申请号：CN202311707178.5

申请日：2023-12-12

Applicant: 大连理工大学

Inventor： 马瑞新 ,  王晓如 ,  卜西亚 ,  陈紫璇 ,  王龙飞

IPC: G06F16/36 ,  G06N20/00 ,  G06F40/30 ,  G06N3/0464

Abstract: 本发明属于知识图谱补全技术领域，提供一种基于全局和局部对比学习的知识图谱补全方法，首先构造局部多模式上下文编码器，利用知识图谱的拓扑结构开发出三种注意力模式对实体上下文信息建模，从而得到实体局部语义特征。并列的构造全局属性意识编码器，基于整个知识图谱构建一个实体‑实体属性交互图来获取两个实体之间的交互强度，并设计轻量级的图聚合网络结合属性交互图更新实体的语义特征，从而获得实体全局语义特征。然后将实体的局部特征和全局特征之间进行对比学习，采用跨视图的正负样本采样方式，最大化局部‑全局互信息，以自监督的方式提高模型在不同语境下对实体的理解，并缓解稀疏实体的问题。