公开(公告)号：CN114741519A

公开(公告)日：2022-07-12

申请号：CN202210150878.8

申请日：2022-02-18

Applicant: 北京邮电大学

Inventor： 吴岳辛 ,  范春晓 ,  邹俊伟 ,  王艺潼 ,  刘峻辰

IPC: G06F16/36 ,  G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种新的论文相关性分析方法：在论文集中提取关键信息，构建论文集知识库，结合图卷积神经网络，提出改进的Inception‑GCN模型完成论文类别划分，使用NOCO模型完成论文社区发现，进而完成论文集知识库中论文的相关性分析。本发明提出一个新的图节点分类模型：Inception‑GCN模型。将原本用于CNN模型的Inception方法与GCN模型结合，能够使新模型在增强特征学习能力的同时，有效的解决过拟合问题和平滑问题。通过实验表明，将该模型用于论文节点分类，可以达到比现有技术更好的效果。

公开(公告)号：CN114741519B

公开(公告)日：2024-12-03

申请号：CN202210150878.8

申请日：2022-02-18

Applicant: 北京邮电大学

Inventor： 吴岳辛 ,  范春晓 ,  邹俊伟 ,  王艺潼 ,  刘峻辰

IPC: G06F16/36 ,  G06F40/295 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种新的论文相关性分析方法：在论文集中提取关键信息，构建论文集知识库，结合图卷积神经网络，提出改进的Inception‑GCN模型完成论文类别划分，使用NOCO模型完成论文社区发现，进而完成论文集知识库中论文的相关性分析。本发明提出一个新的图节点分类模型：Inception‑GCN模型。将原本用于CNN模型的Inception方法与GCN模型结合，能够使新模型在增强特征学习能力的同时，有效的解决过拟合问题和平滑问题。通过实验表明，将该模型用于论文节点分类，可以达到比现有技术更好的效果。