公开(公告)号：CN116401380A

公开(公告)日：2023-07-07

申请号：CN202310666408.1

申请日：2023-06-07

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  王天赐 ,  陈志康 ,  罗梦宇

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明属于知识表示与推理技术领域，公开了一种基于面向异构知识图谱的对比学习预测方法及系统，包括多关系图神经网络层；对比学习层；类比推理层；输出层；本发明提出了一种新颖的面向多关系学习的对比链路预测模型，采用层次化的注意力机制选择有用的关系路径和邻居有选择性的聚合实体周围的上下文信息，从而提高预测准确性。为了更好地捕捉实体在不同上下文中的表示，模型引入了模式增强技术，将知识图谱中实体之间的关系与其所属的模式结合来获取实体在不同语义环境下的表达。另外，为了预测部分不完全的三元组，模型还引入了类比对象检索器来增强类比推理能力。实验结果表明，该模型在多个数据集上表现出优异的性能。

公开(公告)号：CN117973445B

公开(公告)日：2024-10-18

申请号：CN202410249285.6

申请日：2024-03-05

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  姜高航 ,  金旭 ,  罗梦宇 ,  肖亮 ,  李超 ,  甘海涛

IPC: G06N3/0455 ,  G06N3/042 ,  G06Q50/00

Abstract: 本发明属于神经网络模型技术领域，公开了一种基于社区意识的图掩蔽自编码学习方法、系统及存储介质，所述基于社区意识的图掩蔽自编码学习方法将社区结构信息引入GAE框架，并在学习过程中保持社区的影响力；采用社区引导的边缘掩蔽和节点特征掩蔽；在自动编码器中使用GNN进行多任务解码，并辅以动态损失函数，从原始数据中提取额外的有价值信息，用于增强图重建；在节点分类、链接预测和图分类等多个下游任务上，ComMGAE在学习图表示时保留图拓扑结构和语义信息。本发明的目标是识别现有GAE设计的弱点，并在图表示学习中完善相关工作，以应用于下游任务，如链接预测以及节点或图分类。

公开(公告)号：CN116401380B

公开(公告)日：2023-08-11

申请号：CN202310666408.1

申请日：2023-06-07

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  王天赐 ,  陈志康 ,  罗梦宇

IPC: G06F16/36 ,  G06N5/02 ,  G06N3/042 ,  G06N3/045

Abstract: 本发明属于知识表示与推理技术领域，公开了一种基于面向异构知识图谱的对比学习预测方法及系统，包括多关系图神经网络层；对比学习层；类比推理层；输出层；本发明提出了一种新颖的面向多关系学习的对比链路预测模型，采用层次化的注意力机制选择有用的关系路径和邻居有选择性的聚合实体周围的上下文信息，从而提高预测准确性。为了更好地捕捉实体在不同上下文中的表示，模型引入了模式增强技术，将知识图谱中实体之间的关系与其所属的模式结合来获取实体在不同语义环境下的表达。另外，为了预测部分不完全的三元组，模型还引入了类比对象检索器来增强类比推理能力。实验结果表明，该模型在多个数据集上表现出优异的性能。

公开(公告)号：CN119476478A

公开(公告)日：2025-02-18

申请号：CN202411478456.9

申请日：2024-10-22

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  罗梦宇 ,  鄢琦 ,  丁宁龙 ,  邹州 ,  吕浪 ,  刘小龙

IPC: G06N5/04 ,  G06F16/2455 ,  G06N5/022 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于类型感知聚合的多跳推理方法及系统。通过构建类型感知聚合机制实现语义信息，改进实体和关系类型的表示提取，丰富原有知识图的语义内容。采用新颖的融合机制，将实体和关系类型的表示更有效地融合在一起，进一步提高了特征学习的有效性。为了强调与过程高度相关的关系表征，通过引入增强的关系注意机制，利用Heo、Hso和Hro共同放大关系表征，能够在节点交互过程中聚合关系信息，从而使更新后的节点嵌入具有丰富的信息，避免了推理过程中语义信息的丢失，保证了推理结果的可靠性。

公开(公告)号：CN117973445A

公开(公告)日：2024-05-03

申请号：CN202410249285.6

申请日：2024-03-05

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  姜高航 ,  金旭 ,  罗梦宇 ,  肖亮 ,  李超 ,  甘海涛

IPC: G06N3/0455 ,  G06N3/042 ,  G06Q50/00

Abstract: 本发明属于神经网络模型技术领域，公开了一种基于社区意识的图掩蔽自编码学习方法、系统及存储介质，所述基于社区意识的图掩蔽自编码学习方法将社区结构信息引入GAE框架，并在学习过程中保持社区的影响力；采用社区引导的边缘掩蔽和节点特征掩蔽；在自动编码器中使用GNN进行多任务解码，并辅以动态损失函数，从原始数据中提取额外的有价值信息，用于增强图重建；在节点分类、链接预测和图分类等多个下游任务上，ComMGAE在学习图表示时保留图拓扑结构和语义信息。本发明的目标是识别现有GAE设计的弱点，并在图表示学习中完善相关工作，以应用于下游任务，如链接预测以及节点或图分类。