-
公开(公告)号：CN117455604A
公开(公告)日：2024-01-26
申请号：CN202311363494.5
申请日：2023-10-20
Applicant: 浙江工业大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/901 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种基于子图链路预测的异质性优化方法和装置，其方法包括：步骤：基于用户、商品、店铺实体之间的行为或关系抽象构建出模型所需带节点标签的无权无向图；对无权无向图实施目标节点对的封闭子图采样提取；简单控制子图的大小上限，并进行合理的样本过滤；计算每个封闭子图的节点异质性指标；根据计算得到的指标数据，生成新的异质特征向量；将得到的异质特征向量与原节点特征进行替换，成为新的节点特征；提取子图特征，并进行模型训练，最后实现对目标节点对之间连边是否存在的预测；对得到的存在连边的预测结果，获取每位用户的推荐候选名单；对每位用户得到的推荐候选名单，根据预测分数完成排序，得到最终展示给用户的推荐结果。
-
公开(公告)号：CN113364748B
公开(公告)日：2022-04-19
申请号：CN202110571064.7
申请日：2021-05-25
Applicant: 浙江工业大学
Abstract: 一种基于交易子图网络的以太坊钓鱼节点检测方法，包括：1)数据获取2)构建网络，根据以太坊外部账户的交易信息构建目标节点自网络；3)图映射，按照新型有向图映射方法对自网络进行处理得到含内在隐含信息的映射图，即交易子图网络；4)图特征提取与融合，使用Graph2vec模型对原始自网络和交易子图网络进行特征提取，并拼接二者特征；5)分类检测模型，将上述网络融合特征作为输入，训练随机森林模型对目标节点的钓鱼属性进行检测；本发明还公开了一种基于上述方法的精准钓鱼诈骗检测系统。本发明构建自网络以及结合对应图映射技术，轻量准确的完成钓鱼节点检测任务，有别于大多数基于提取大量或更高阶次邻居信息的研究。
-
公开(公告)号：CN113111914A
公开(公告)日：2021-07-13
申请号：CN202110270414.6
申请日：2021-03-12
Applicant: 浙江工业大学
Abstract: 一种基于全局采样子图的图宽度学习分类方法，包括：1)全局采样，使用连边采样法对原始网络进行全局采样，得到子图；2)子图映射，通过连边到节点的映射机制分别将上述子图映射一次或两次得到一阶与二阶网络；3)图特征提取与融合，通过Graph2vec模型提取原始网络以及所有映射后网络的特征，再将提取得到的原始网络特征以及各次采样映射后的一、二阶网络特征拼接，作为原始图的特征表示；4)宽度网络分类。本发明还公开了一种基于上述方法的高效准确图分类系统。结合上述融合的图特征与已知的图标签有监督的训练宽度网络分类器中的权重矩阵。最后根据宽度网络中的权重矩阵与输入图特征来实现对图的有效分类。
-
公开(公告)号：CN115620833A
公开(公告)日：2023-01-17
申请号：CN202211136943.8
申请日：2022-09-19
Applicant: 浙江工业大学
IPC: G16C20/70 , G16C20/30 , G16C20/50 , G06F18/2415 , G06N3/0464 , G06N3/092
Abstract: 本发明公开一种基于分子骨架的分子网络的数据增强方法及系统，包括：S1、分子属性数据集的准备，得到用SMILES化学分子规范表达式表示的属性数据；S2、使用化学分子规范表达式的属性数据，构建基于分子骨架的分子网络，获取训练集；S3、构建基于分子骨架的分子网络的数据增强模型，得到分子属性预测结果。本发明基于图卷积神经网络模型进行数据增强，充分利用了图卷积操作实现信息在节点间的传递、可提取官能团等重要信息，在分子属性识别和可解释性方面有明显优势。
-
公开(公告)号：CN114023375A
公开(公告)日：2022-02-08
申请号：CN202111588200.X
申请日：2021-12-23
Applicant: 浙江工业大学
IPC: G16B15/00 , G06V10/764 , G06V10/44
Abstract: 一种基于全局采样子图的宽度学习酶蛋白检测方法，包括：S0：结构转换，将蛋白质分子结构转化为图结构；S1：全局采样，对原始图按照连边进行N次全局采样得到N个子网络；S2：子图映射，按照SGN规则分别对N个子网络进行一阶和二阶的映射，得到2N个映射网络；S3：特征提取与特征融合，对原始网络与2N个映射网络分别基于Graph2vec进行特征提取，分别得到2N+1个网络的K维网络表征向量，通过表征向量横向拼接获取(2N+1)×K维的特征向量作为原始网络的最终表示；S4：宽度网络分类器训练，通过原始网络的最终表示和网络标签有监督的训练宽度网络，最终通过十折交叉验证获得酶蛋白的检测精度。本发明实现高效的精准的酶蛋白检测。
-
Patent Agency Ranking
公开(公告)号：CN111262828B
公开(公告)日：2022-01-11
申请号：CN201911313911.9
申请日：2019-12-19
Applicant: 浙江工业大学
Abstract: 一种针对真假消息传播的恶意节点部署方法，包括以下步骤：S1：导入网络；S2：随机选取一定比例的智慧节点，计算距离指数；S3：根据距离指数选取恶意节点群；S4：分配各类节点信息过滤能力，网络信息级联传播；S5：计算信息传播的范围指标。本发明在传播模型中模拟恶意用户行为，我们在传播模型中加入恶意节点，用于刻画用户行为对真假消息的传播影响。并且提出了一种恶意节点的部署策略，研究了他们在网络中不同的分布情况对虚假消息的传播影响。
-
公开(公告)号：CN113364748A
公开(公告)日：2021-09-07
申请号：CN202110571064.7
申请日：2021-05-25
Applicant: 浙江工业大学
Abstract: 一种基于交易子图网络的以太坊钓鱼节点检测方法，包括：1)数据获取2)构建网络，根据以太坊外部账户的交易信息构建目标节点自网络；3)图映射，按照新型有向图映射方法对自网络进行处理得到含内在隐含信息的映射图，即交易子图网络；4)图特征提取与融合，使用Graph2vec模型对原始自网络和交易子图网络进行特征提取，并拼接二者特征；5)分类检测模型，将上述网络融合特征作为输入，训练随机森林模型对目标节点的钓鱼属性进行检测；本发明还公开了一种基于上述方法的精准钓鱼诈骗检测系统。本发明构建自网络以及结合对应图映射技术，轻量准确的完成钓鱼节点检测任务，有别于大多数基于提取大量或更高阶次邻居信息的研究。
-
公开(公告)号：CN110910261A
公开(公告)日：2020-03-24
申请号：CN201911014807.X
申请日：2019-10-24
Applicant: 浙江工业大学
Abstract: 一种基于多目标优化的网络社团检测对抗增强方法，包括以下步骤：S1：加载网络；S2:社团检测获取社团结构；S3：定义候选重连边规则；S4：利用遗传算法寻找最优的网络重连策略，具体操作步骤如下：4.1)种群初始化；4.2)轮盘赌方式进行选择操作；4.3)固定交叉率进行交叉操作；4.4)固定变异率进行变异操作；4.5)精英保留；4.6)判断终止条件；S5：从最后一代种群中获取最优个体，重连网络得到增强后的网络 对 进行社团检测获得新的社团划分 本发明利用了遗传算法优良的全局搜索能力和鲁棒性，可以在整个网络上寻找到最优的网络重连策略，兼顾最大的模块度提升与最佳的检测分辨率，极大地提升了社团检测算法的性能。
-
公开(公告)号：CN109447109A
公开(公告)日：2019-03-08
申请号：CN201811078861.6
申请日：2018-09-17
Applicant: 浙江工业大学
IPC: G06K9/62
Abstract: 一种基于子图网络的图分类方法，包括以下步骤：S1子图选择；S2子图网络SGN构建；S3学习原始网络和子图网络的表征向量；S4子图网络的特征向量空间扩展；S5采用Logistic Regression分类器模型，将所有网络的表征结果经过10折交叉验证，训练并构建基于逻辑回归的图分类模型；S6对模型进行多次测试取平均结果作为基于子图网络的图分类模型的最终评价成绩。本发明提出了一种基于子图网络的图分类方法，结合具有局部结构特性的子图单元，构造子图网络，进而将原始网络与子图网络图谱的表征向量相结合，扩展了网络特征空间，并采用机器学习中的逻辑回归分类算法解决图分类任务，与现有技术相比，有效地提高了分类精度。
-
公开(公告)号：CN108681585A
公开(公告)日：2018-10-19
申请号：CN201810453558.3
申请日：2018-05-14
Applicant: 浙江工业大学
CPC classification number: G06Q50/01
Abstract: 一种基于NetSim‑TL的多源迁移学习标签流行性预测模型的构建方法，包括以下步骤：(1)计算网络的结构相似性，根据WL图核方法，分别计算源领域和目标领域网络结构之间的相似性大小；(2)构建单源迁移学习的基学习器，利用基本的机器学习方法支持向量机分别构建多源迁移学习的基学习器；(3)构建多源迁移学习模型框架，根据不同源领域与目标领域之间的相似性大小，对多个基学习器进行加权，得出基于网络结构相似性的多源迁移学习标签流行性预测模型框架。本发明提出了利用社区网络结构之间的相似性来作为不同领域社区之间迁移学习模型的权重，进行多源迁移学习模型的构建，在跨社区的标签流行性发展趋势预测上具有较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
