公开(公告)号：CN114648065A

公开(公告)日：2022-06-21

申请号：CN202210240565.1

申请日：2022-03-10

Applicant: 重庆邮电大学

Inventor： 杨楠 ,  陈龙 ,  吴涛 ,  先兴平 ,  骆俊辉 ,  崔灿一星

IPC: G06K9/62 ,  G06F16/901 ,  G06F16/906

Abstract: 本发明属于深度学习的攻击防御领域，具体涉及一种基于图纯化和决策边界的节点分类防御方法及其系统，该方法包括：获取待分类节点的数据，并对获取的数据进行格式化处理；采用攻击算法对经过格式化后的数据添加扰动信息；对添加扰动信息的数据进行图纯化处理；将图纯化处理后的数据输入到训练好的第一图节点分类模型中，得到初始分类结果；构建决策边界，根据决策边界计算初始分类结果的伪标签；将所有带伪标签的初始分类结果输入到第二图节点分类模型中，得到节点分类结果，根据分类结果对节点进行保护；本发明将受到对抗样本影响的图数据集经由图纯化操作及基于决策边界计算的自训练算法处理，最终得到具有更高鲁棒性的图节点分类模型。

公开(公告)号：CN118013038A

公开(公告)日：2024-05-10

申请号：CN202410203376.6

申请日：2024-02-23

Applicant: 重庆邮电大学

Inventor： 吴涛 ,  徐敖远 ,  先兴平 ,  崔灿一星 ,  李之赞 ,  梁威威

IPC: G06F16/35 ,  G06F16/33 ,  G06F40/30

Abstract: 本发明属于自然语言处理领域，涉及一种基于原型聚类的文本增量关系抽取方法，包括：提取样本的上下文语义特征表示；将上下文语义特征表示输入到开放关系分类模型中进行训练；将待抽取文本关系的文本输入到训练后的开放关系分类模型中，判断输入文本的数据类型；若文本属于原始文本类别，则将文本加入该类型，否则作为其他类别文本；获取新类别文本数据，将新类别文本数据输入到训练后的开放关系分类模型，得到新类别的聚类中心，并对其他类别文本重新分类；对原始样本进行增强，对新类样本和增强后的原始类样本进行联合分类，得到文本关系；本发明采用联合有类别标签数据的监督学习和无类别标签数据的自监督学习模型，减少了对标签数据的依赖。