-
公开(公告)号:CN118013123A
公开(公告)日:2024-05-10
申请号:CN202410172821.7
申请日:2024-02-07
Applicant: 东北大学
IPC: G06F16/9535 , G06N3/0895 , G06N3/0464
Abstract: 本发明提供一种基于跨尺度图对比学习的好友推荐方法,涉及网络科学技术领域。该方法具体包括:获取用户数据并对用户数据进行建模,构建图结构数据;利用随机采样增强方法对建模后的图结构数据进行数据增强;构建由两层图卷积层堆叠构成的图卷积神经网络作为编码器,利用编码器对数据增强得到的视图的节点向量进行编码,得到节点的向量表示;利用读出函数将节点的向量表示映射成图的向量表示;分别构建正负样本对,并采用信息最大化非参数互信息估计作为损失函数更新编码器和读出函数的参数,得到训练好的编码器和读出函数;利用训练好的编码器和读出函数对给定用户进行好友推荐,解决了图对比学习中忽略图的整体结构信息的问题。
-
公开(公告)号:CN117978661A
公开(公告)日:2024-05-03
申请号:CN202410016328.6
申请日:2024-01-05
Applicant: 东北大学
IPC: H04L41/12 , H04L41/16 , H04L45/02 , G06F18/23213
Abstract: 本发明提供一种基于拒绝邻域的影响力最大化方法,涉及网络信息传播技术领域。首先提出了一种节点影响力评价指标,即基于局部邻居的节点影响力评价指标。该指标通过计算节点与邻居在欧式空间中的平均距离来解决现有中心性指标粗粒度的问题。在此基础上,结合节点聚类信息提出了基于拒绝邻域的影响力最大化算法,通过设置节点的σ阶拒绝邻域来控制节点的选择,得到影响力最大化的节点集合。本发明能够根据使用者提供的网络数据为使用者进一步的数据分析提供技术支撑,并进一步的完善了当前的影响力最大化方法。
-
公开(公告)号:CN115860064A
公开(公告)日:2023-03-28
申请号:CN202211546917.2
申请日:2022-12-05
Applicant: 东北大学
IPC: G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/044 , G06N3/082 , G06F18/2415 , G06N3/047
Abstract: 本发明提供一种基于演化图卷积的动态网络嵌入方法,涉及网络表示学习技术领域。本发明GCN学习层和演化层两个部分:首先是一个两层的GCN模型,用于学习节点的特征,随着时间的演化,节点可能会发生一些变化,原有的GCN模型参数不再适用演化后的网络。然后使用RNN和多头注意力机制对GCN模型的参数进行更新,获取最新的权重矩阵,用于下一个时间序列的训练。在这个过程中,随着时间推移,历史信息也被学习到了权重之中。最后将学习到的表示用于下游任务的应用中。
-
公开(公告)号:CN115203584A
公开(公告)日:2022-10-18
申请号:CN202210902793.0
申请日:2022-07-29
Applicant: 东北大学
IPC: G06F16/9536 , G06F17/16 , G06Q50/00 , G06N3/04
Abstract: 本发明公开了一种基于属性嵌入的多层网络社团发现方法,涉及社团发现领域;适用于互联网中复杂网络数据的社团发现的业务场景,基于使用者给定的网络拓扑结构数据和属性信息,生成节点的向量表示,并根据向量表示进行社团发现,利用Node2vec算法中的广度优先搜索和深度优先搜索对网络中节点进行采样,获得节点的节点序列,学习到的向量表示中完全保留网络的拓扑结构和属性信息,得到网络中节点的拓扑结构信息和属性信息的嵌入表示。根据获得的节点向量表示,完成网络中社团的发现。
-
公开(公告)号:CN110704533B
公开(公告)日:2021-06-18
申请号:CN201910904322.1
申请日:2019-09-24
Applicant: 东北大学
Abstract: 本发明提供一种基于区块链和投票机制的假新闻监测方法,属于区块链技术领域。本发明针对于假新闻监测问题提出了一种基于区块链技术的投票机制,并基于此设计实现方法,该方法的投票机制通过奖励策略鼓励读者参与新闻评价,通过惩罚机制抑制不可信新闻创作或不可靠评论,本发明中用户可以使用以太币进行买票、投票操作,查看投票结果与新闻的真假并得到反馈;区块链的加密特性能够使得投票结果真实客观;Truffle框架的使用保障了该方法运行的稳定和界面功能的美观。本发明能够实现假新闻的监测,具有较高的运行性能和很好的程序健壮性,运行效果良好。
-
公开(公告)号:CN105825257B
公开(公告)日:2018-05-29
申请号:CN201610134624.1
申请日:2016-03-09
Applicant: 东北大学
Abstract: 基于二维条码的信息隐藏与隐藏信息提取方法及系统,属于信息安全领域。选择二维条码作为信息隐藏的载体,二维条码中补齐码区域属于冗余区域,正常情况下是被忽视的部分,因此将信息隐藏在此区域中将难以被察觉,且可隐藏的信息容量也可以满足需求。利用编码器使用密钥对中的公钥对待隐藏的秘密信息进行加密,利用解码器使用密钥对中的私钥对加密后的隐藏信息进行解密,由此保证了所隐藏的秘密信息的安全性。采用C/S结构的验证方式,用户通过客户端向服务器发送验证请求,服务器验证后返回结果,只有验证通过的用户才能继续解码操作,由此保证了用户的合法性。
-
公开(公告)号:CN104680829A
公开(公告)日:2015-06-03
申请号:CN201510030223.7
申请日:2015-01-21
Applicant: 东北大学
IPC: G08G1/123
CPC classification number: G08G1/123
Abstract: 本发明提供一种基于多用户协同的公交车辆到站时间预测系统及方法,系统包括多个智能移动设备和后台服务器;方法包括:多个用户通过智能移动设备实时定位其所在地理位置;后台服务器进行基于公交线路定位;后台服务器进行到站时间预测;后台服务器进行到站时间预测结果校正;到站时间预测结果实时显示在智能移动设备上,并将用户当前所在的公交线路上的相对位置实时显示给用户;用户到达目标车站时,对应的智能移动设备停止将其地理位置定位信息提交给后台服务器。本发明使用智能移动终端代替了专业设备降低了实现成本;通过多个用户协同的方式在公交车行驶过程中采集数据进行分析,实时动态预测公交到站时间,具有易于使用、保护用户隐私的特点。
-
公开(公告)号:CN116306834A
公开(公告)日:2023-06-23
申请号:CN202310289221.4
申请日:2023-03-23
Applicant: 东北大学
IPC: G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q10/04
Abstract: 本发明提供一种基于全局路径感知图神经网络模型的链路预测方法,涉及复杂网络中链路预测技术领域。本发明结合了属性信息和结构信息,解决了GNN仅仅依赖于平滑的节点特征,忽略图的结构特征问题,同时解决了浅层Embedding学习无法结合节点自身属性的问题。使用欧氏距离度量连边节点间的相似度,很好的将潜在属性信息融合到结构信息提取中。使用结构表示生成器为节点进行结构初始化,解决了启发式方法的局限性。使用了基于路径感知的聚合方案,对短的路径赋予较大权重,对长的路径赋予较小的权重,改善了链路预测任务存在的简并现象,灵活计算目标节点对之间所有路径信息的得分。
-
公开(公告)号:CN116089950A
公开(公告)日:2023-05-09
申请号:CN202310128425.X
申请日:2023-02-17
Applicant: 东北大学
IPC: G06F21/56 , G06F21/73 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于逆向工程的后门攻击防御方法,涉及网络表示学习技术领域。该方法主要针对图神经网络的后门攻击方法进行防御。该方法通过使用干净的图数据集训练生成特征生成器和连边生成器,恢复出后门攻击者生成的触发器;并利用恢复的触发器,重新生成后门攻击对应的数据,并通过重新生成的数据对受到后门攻击的图神经网络重新进行训练。经过该方法重新训练的图神经网络,其能抵御后门攻击,并且在干净数据集上的性能基本不受到影响。
-
公开(公告)号:CN115828988A
公开(公告)日:2023-03-21
申请号:CN202211546741.0
申请日:2022-12-05
Applicant: 东北大学
IPC: G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明提供一种基于自监督的异构图表示学习方法,涉及图神经网络技术领域。本发明应用到了两种学习节点表示的方法:基于元路径的方法以及基于自注意力的方法,将两个方法融合,在一定程度上吸取了两种方法的优势,既学习局部节点信息也关注高阶的语义的结构信息。且通过使互相关矩阵接近恒等矩阵作为目标函数,这使得本方法不需要负样本来维持模型的鲁棒性,而是在节点嵌入中利用对比学习的思想,在节点向量维度中进行对比学习,使互相关矩阵的对角线接近1,其他向量接近于0。这吸取了降低冗余的思想,保证了两个视角的互相关性。且让不同维度的特征尽可能表示不同的信息,从而提升特征的表征能力。
-
-
-
-
-
-
-
-
-