-
公开(公告)号:CN118690292A
公开(公告)日:2024-09-24
申请号:CN202410700313.1
申请日:2024-05-31
Applicant: 浙江光电子研究院 , 浙江师范大学 , 科大讯飞股份有限公司
IPC: G06F18/2433 , G06F18/214 , G06F18/213 , G06N3/042 , G06N3/044 , G06N3/0455 , G06N3/0895
Abstract: 本申请公开了一种基于图神经网络的动态图数据异常边检测方法及系统,方法包括:通过动态异常边注入策略对真实动态图数据进行注入异常边处理,得到异常动态图数据;引入局部结构感知机制与门控循环神经网络,构建动态图异常边检测模型;基于动态图异常边检测模型对异常动态图数据进行异常边特征捕捉处理,得到异常边嵌入特征值;通过异常打分机制对异常边嵌入特征值进行异常边区分处理,得到动态图数据异常边检测结果。本申请实施例能够加强对动态图中时间序列数据的理解,充分利用动态图中的局部结构信息,从而提高异常边检测的准确性和效率。本申请可以广泛应用于数据异常边检测技术领域。
-
公开(公告)号:CN114911979B
公开(公告)日:2025-05-13
申请号:CN202210438076.7
申请日:2022-04-25
Applicant: 浙江师范大学
IPC: G06F16/901 , G06F18/22 , G06Q50/00
Abstract: 本发明公开一种多模态数据的复合图构建方法、系统、装置及存储介质,涉及计算机技术领域。本申请通过获取社交网络上各种用户数据和资源数据,然后基于信道动态交换机制对资源数据内的不同模态数据之间进行信息交互,从而完善各个模态数据中的信息,通过完善模态数据后的资源数据、用户数据和用户资源间关系构建复合图,使得复合图较为全面地表征了社交网络中用户与社交资源的各种信息,基于复合图在语义分析、情感分析等深度学习任务中更容易趋于收敛,提高各种任务模型的训练效果。
-
公开(公告)号:CN116502161A
公开(公告)日:2023-07-28
申请号:CN202310306909.9
申请日:2023-03-21
Applicant: 浙江师范大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F16/901
Abstract: 本发明公开了一种基于动态超图神经网络的异常检测方法,包括:获取预设的节点在多个时刻下的超图,根据每一时刻下的超图中单个节点最大的度对超图进行分解采样,得到节点结构嵌入;获取节点每一时刻的节点特征,作为源节点嵌入,并将每一时刻的节点距离信息同步编码到对应时刻的源节点嵌入中,得到节点距离编码;将节点结构嵌入、源节点嵌入以及节点距离编码输入长短期记忆网络,并经过池化模块,得到边嵌入;根据预设的概率阈值替换边嵌入中的节点,得到负超边嵌入;根据边嵌入、负超边嵌入以及预设的损失函数确定每一时刻下的超图中的异常超边。本发明可以提高超边异常检测模型的准确性,可广泛应用于深度学习与图神经网络异常边检测领域。
-
公开(公告)号:CN114911979A
公开(公告)日:2022-08-16
申请号:CN202210438076.7
申请日:2022-04-25
Applicant: 浙江师范大学
IPC: G06F16/901 , G06K9/62 , G06Q50/00
Abstract: 本发明公开一种多模态数据的复合图构建方法、系统、装置及存储介质,涉及计算机技术领域。本申请通过获取社交网络上各种用户数据和资源数据,然后基于信道动态交换机制对资源数据内的不同模态数据之间进行信息交互,从而完善各个模态数据中的信息,通过完善模态数据后的资源数据、用户数据和用户资源间关系构建复合图,使得复合图较为全面地表征了社交网络中用户与社交资源的各种信息,基于复合图在语义分析、情感分析等深度学习任务中更容易趋于收敛,提高各种任务模型的训练效果。
-
-
-