基于前馈神经网络的可信与不可信用户识别方法

    公开(公告)号:CN103577876B

    公开(公告)日:2016-10-05

    申请号:CN201310547349.2

    申请日:2013-11-07

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法,旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题。该方法的步骤为:1.获取特殊用户并确定训练集包含的用户;2.分析并量化用户特征,将用户表示为用户特征向量;3.构建前馈神经网络;4.训练前馈神经网络;5.由训练后的前馈神经网络实现可信与不可信用户识别:其步骤为:1)获取社会网络中用户信息;2)量化用户信息并生成用户特征向量;3)将用户特征向量输入到前馈神经网络中,依据输出节点的输出值识别可信与不可信用户。

    用户个人品性预测方法
    12.
    发明公开

    公开(公告)号:CN103995820A

    公开(公告)日:2014-08-20

    申请号:CN201410081840.5

    申请日:2014-03-06

    Applicant: 吉林大学

    Abstract: 本发明公开了一种用户个人品性预测方法,旨在克服现有技术存在的整体精准度不高、适用性不强、特征权重及用户个人品性标记阈值分配过于主观化等问题,该方法的步骤为:1.由特征解析与表示模块实现用户个人品性相关特征集合的解析和表示;2.由特征分析和预处理模块实现多元数据类型的归一化;3.由参数学习模块实现特征权重的分配以及用户个人品性标记最低阈值的确定;4.由用户个人品性预测模块实现用户个人品性的预测。

    一种基于模体结构增强的图聚类方法

    公开(公告)号:CN114330496B

    公开(公告)日:2024-08-13

    申请号:CN202111434145.9

    申请日:2021-11-29

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于模体结构增强的图聚类方法。图数据不仅包含数据的特征信息,而且数据与数据之间也存在着联系,也就是结构信息。本发明旨在克服现有技术存在的对图数据在聚类方面挖掘图数据模式信息不足以及没有充分利用神经网络去深入学习图数据的表示的问题,该方法的步骤为:1.由图增强模块基于模体对图数据的结构进行增强得到增强后的邻接矩阵;2.将增强后的邻接矩阵以及图数据原有的特征矩阵输入到深度表示学习模块去学习获得图数据有效表示;3.使用自监督模块统一深度自编码器和图自编码器学习到的表示;4.利用获得到的图数据表示去做聚类预测。

    一种基于时序图Transformer的连续动态网络表征学习方法

    公开(公告)号:CN114118375B

    公开(公告)日:2024-05-10

    申请号:CN202111434187.2

    申请日:2021-11-29

    Applicant: 吉林大学

    Inventor: 王英 李莹姬 吴越

    Abstract: 本发明公开了一种基于时序图Transformer的连续动态网络表征学习方法,属于网络表征学习领域,包括:由基于连续动态系统的时序编码模块对动态网络的时序信息进行建模,将时间戳信息编码为向量,和节点的特征向量进行结合;基于节点在动态图中的影响力进行中心度编码,将节点的度作为其中心度信息编码到节点特征中,由基于中心度编码的注意力模块捕获动态网络的结构信息;设计基于注意力机制的空间事件系数描述动态网络中事件依赖的全局范围。本发明应用神经常微分方程编码连续时序信息,并通过中心度编码和堆叠多层Transformer实现对动态网络中时序信息和拓扑结构信息的提取,以学习包含全局依赖关系的连续动态网络表征。

    一种苦豆子SaATHB7基因的克隆及其应用

    公开(公告)号:CN117164688A

    公开(公告)日:2023-12-05

    申请号:CN202310878968.3

    申请日:2023-07-18

    Applicant: 吉林大学

    Abstract: 本发明适用于植物基因工程技术领域,提供了一种苦豆子SaATHB7基因的克隆及其应用,通过对模拟逆境胁迫处理的苦豆子幼苗进行转录组测序,并对获得的差异表达基因进行分析,筛选出与盐胁迫相关的苦豆子基因,通过测序获得的基因核酸序列,发现该基因可能属于同源结构域亮氨酸拉链类转录因子家族基因,并命名为SaATHB7。根据测序获得的序列设计克隆引物和定量引物,利用RT‑PCR技术检测该基因在逆境胁迫条件下苦豆子不同组织中的表达量变化,以初步研究该基因在苦豆子逆境胁迫中的相应作用,同时对该基因构建植物过表达载体并成功转入野生型拟南芥中进行功能初步验证,结果表明该基因在拟南芥中过表达后能够提高拟南芥的耐盐性和耐旱性。

    基于常微分方程和超网络的事件预测方法

    公开(公告)号:CN116796173A

    公开(公告)日:2023-09-22

    申请号:CN202310792186.8

    申请日:2023-06-30

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于常微分方程和超网络的事件预测方法,旨在克服现有技术对节点间的持续相互作用以及节点嵌入通道间的交互考虑不足、事件独特背景信息对事件预测任务的作用等问题,该方法的步骤为:1.由数据处理模块对数据集中所有事件数据进行处理;2.获取并处理同一时间发生的所有事件的相关数据;3.利用基于图神经网络的常微分方程建模节点间的信息传递以及节点嵌入通道间的交互;4.利用超网络来捕捉事件的个体特征;5.利用消息传递机制建模网络结构变化时用户嵌入的瞬时变化;6.对数据集中每一个时间点进行步骤2‑5的处理,直至训练集所有数据训练完成。

Patent Agency Ranking