公开(公告)号：CN115908940A

公开(公告)日：2023-04-04

申请号：CN202211576322.1

申请日：2022-12-09

Applicant: 重庆邮电大学

Inventor： 刘立 ,  王华钦 ,  孙磊 ,  王重阳 ,  陈鹏钢 ,  李苑

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图神经网络分析领域，具体涉及到一种一种基于图元表示的图神经网络图数据分类方法；包括获取图数据集并进行划分，即将数据计划分为训练集和测试集；使用图元识别方法得到图数据中的图元集；构建图神经网络模型并进行预训练；基于图元集对图元区域进行特征遮罩从而得到图元区域向量表示；基于图元向量表示和未被图元覆盖的子图区域向量表示得到图级别向量表示；构建线性分类模型；依据此模型和图级别向量表示得到图数据分类结果；本发明采用图神经表示学习方法得到预训练的图神经网络模型，随后通过对图元节点进行序列特征遮罩得到图元区域向量表示和未被图元区域覆盖的子图区域向量表示，以得到图级别向量表示，从而学习到更易区分的图级别向量表示，提高了图数据分类的准确性。

公开(公告)号：CN114416948A

公开(公告)日：2022-04-29

申请号：CN202210052665.1

申请日：2022-01-18

Applicant: 重庆邮电大学

Inventor： 王烨 ,  廖靖波 ,  于洪 ,  冷佳旭 ,  刘立 ,  林安琪

IPC: G06F16/332 ,  G06F16/35 ,  G06F40/151 ,  G06F40/216 ,  G06F40/35 ,  G06N5/02

Abstract: 本发明涉及对话系统领域，特别涉及一种基于语义感知的一对多对话生成方法及装置，包括获取实时输入问题并送入训练好的对话生成模型，对话生成模型根据输入问题得到多样性的回复，对话生成模型包括输入编码器、输出编码器、识别网络、先验网络、分类器、no emotion解码器、positive解码器、negative解码器；本发明的模型分为预训练和训练两个训练过程，本发明在模型中引入一个能识别出对话的情感或动作的可控变量，通过该可控件变量来选择不同类别的解码器并在训练过程中迫使隐空间特征解耦成不同语义类别的子空间，让相同语义类别的对话能映射到隐空间的相近的位置，进而生成个性化、高质量、可解释、多样性的文本。

公开(公告)号：CN113095480A

公开(公告)日：2021-07-09

申请号：CN202110312058.X

申请日：2021-03-24

Applicant: 重庆邮电大学

Inventor： 王国胤 ,  李苑 ,  杜勇 ,  颜子涵 ,  张优敏 ,  刘群 ,  刘立

IPC: G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明涉及图神经网络技术领域，具体涉及一种基于知识蒸馏的可解释图神经网络表示方法，该方法包括：将图数据输入教师网络，在教师网络中得到概率向量作为软目标；通过温度T将教师网络得到的软目标蒸馏转移到学生网络中，使用软目标以全局近似的方式帮助学生网络学习向量表示；学生网络将节点不同邻居中的关键信息节点进行聚合，得到聚合后的学生网络的软预测向量、硬预测向量以及最终节点表示向量和形成的可解释结果。本发明具有良好的网络表示能力和解释能力，不仅能够有效的表示节点以适用各项下游任务，同时还能够解释得到的表示结果的原因。

公开(公告)号：CN119418811A

公开(公告)日：2025-02-11

申请号：CN202411461690.0

申请日：2024-10-18

Applicant: 重庆邮电大学

Inventor： 刘立 ,  贺光勇 ,  王以可 ,  向可欣

IPC: G16C20/30 ,  G16C20/50 ,  G16C20/70 ,  G06N3/042 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明属于药物筛选技术领域，具体涉及一种基于分布漂移一致性的可解释的药物分子性质预测方法；包括：获取药物分子图结构数据集并中挑选出待识别药物分子的正、负样本集；采用基本事后解释模型对两个样本集进行处理，得到候选解释子图集；采用代理生成器对候选解释子图集进行处理，得到代理图集；将代理图集输入到训练好的GNN模型中进行处理，得到两个样本集的药物分子性质预测结果；计算代理图对比学习损失并调整代理生成器的参数；计算预测以及获取解释子图的总损失并调整基本事后解释模型参数；重复训练直到达到预设最大迭代次数，得到训练好的预测模型；本发明显著提升了化合物生成模型和分类模型的可靠性与可解释性，使得化合物特性分析更加直观透明。

公开(公告)号：CN119323695A

公开(公告)日：2025-01-17

申请号：CN202411437681.8

申请日：2024-10-15

Applicant: 重庆邮电大学

Inventor： 刘立 ,  张菲燕 ,  王以可 ,  胡锦辉

IPC: G06V10/764 ,  G06V10/74 ,  G06V10/774 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G16C20/50 ,  G16C20/70

Abstract: 本发明属于图神经网络解释领域，涉及一种用于药物分子图结构的可解释性的参数微调方法，包括：获取药物分子图结构数据，并分解为多个子图，将多个子图嵌入空间；采用贪心策略对嵌入空间的子图进行处理生成候选语义子图集合；将候选语义子图集合输入到图分类模型中，得到最终语义子图；对药物分子图结构数据中的每个节点生成k阶诱导图；设置相似度阈值，计算k阶诱导图与最终语义子图的相似度，将所有相似度大于相似度阈值的节点所组成的结构作为关键结构；根据关键结构利用训练后的多层感知器对药物分子图结构进行解释过程中的分子权重参数进行调整，得到最优的可解释性结果；本发明能够找到更易理解的解释结果，辅助相关领域的人员进行决策。

公开(公告)号：CN116631538A

公开(公告)日：2023-08-22

申请号：CN202310585599.9

申请日：2023-05-23

Applicant: 重庆邮电大学

Inventor： 刘立 ,  万鹏宇 ,  崔诗易 ,  张遥 ,  贺康佳

IPC: G16C20/50 ,  G16C20/70 ,  G06F16/901 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/084

Abstract: 本发明涉及一种基于子图生成的可信子图挖掘方法，包括：随机选择药物分子图结构，使用广度优先搜索采样I个第一分子关系子图，对每个第一分子关系子图生成对应的负例子图；利用图神经网络GraphSAGE将正负样本编码到有序向量空间，同时通过损失函数进行训练得到图嵌入生成模型；使用贪心策略逐个添加节点生成目标子图，再将目标子图输入预训练的GNN图分类模型中，筛选出使得模型预测为目标类的概率最大的目标子图做为可信子图；本发明能找到使GNN图分类模型预测为某个目标类时概率最大的可信子图，辅助相关领域的人员进行决策，例如药物发现等工作。

公开(公告)号：CN116564435A

公开(公告)日：2023-08-08

申请号：CN202310595580.2

申请日：2023-05-24

Applicant: 重庆邮电大学

Inventor： 刘立 ,  贺康佳 ,  崔诗易 ,  张遥 ,  万鹏宇

IPC: G16C20/50 ,  G16C20/70 ,  G16B40/20 ,  G16B20/50 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于流式生成模型的反事实子图挖掘方法，包括：获取药物分子图结构数据；将药物分子图结构的邻接矩阵A和特征矩阵X输入策略网络中预测药物分子图结构的状态转移概率和药物分子图结构转移到终止状态的状态转移概率；删除药物分子图结构中的边；利用训练好的GNN模型判断删边后的药物分子图结构的分类结果是否发生变化，将删边后的药物分子图结构分为候选子图和非候选子图；利用生成流网络中的细致平稳条件构建细致平稳损失函数，通过梯度下降法更新策略网络的参数从所有找到的候选子图中挑选出删边最少的候选子图作为最终的反事实子图，通过本发明能找到的反事实子图，可以辅助相关领域的人员进行决策，例如药物发现等工作。

公开(公告)号：CN116386082A

公开(公告)日：2023-07-04

申请号：CN202310191949.3

申请日：2023-03-02

Applicant: 重庆邮电大学

Inventor： 胡强梁 ,  刘立 ,  陈琳

IPC: G06V40/10 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明属于计算机视觉的多标签分类领域，具体涉及一种基于双路网络的领域自适应行人属性识别方法，包括：获取行人图像并预处理；构建双路网络属性识别模型；使用双路网络同时训练的方式训练构建的模型；利用训练好的模型对待测的行人图像进行识别，实现行人属性的多标签识别。本发明能在遇到新场景下的行人识别时，利用现有带标签数据训练模型，减少新数据集的标注成本，同时克服不同行人属性数据集中数据差异过大的问题，减少迁移学习中负迁移的负面影响，从而提高行人属性识别模型的属性识别能力，增加模型的泛化性能，降低行人识别模型对标注数据的需求，减轻对人力标注数据的依赖。

公开(公告)号：CN111523622B

公开(公告)日：2023-01-31

申请号：CN202010337499.0

申请日：2020-04-26

Applicant: 重庆邮电大学

Inventor： 刘立 ,  胡丁洋 ,  黄浩 ,  唐波 ,  陈宇壮 ,  田俊豪

IPC: G06V30/244 ,  G06V30/148 ,  G06V10/26 ,  G06V10/74 ,  B25J11/00 ,  B25J9/16 ,  G06V30/19

Abstract: 本发明涉及机器学习领域，涉及基于特征图像自学习的机械臂模拟手写笔迹方法，包括：输入目标手写体汉字样本进行笔画分离，得到目标手写体汉字样本的分离笔画和目标手写体汉字样本的交叉点，建立目标手写体汉字的笔画特征库和交叉点特征模型；输入目标印刷体文字进行笔画分离，得到目标印刷体文字分离笔画和目标印刷体文字的交叉点类别；根据相似度方法获得与目标印刷文字分离笔画相对应的目标手写体的笔画进行笔画替换和位置调整，得到目标印刷体文字所对应的目标手写体汉字；发送给驱动程序控制机械臂书写所述目标手写体汉字。本发明避免了完全通过多样本学习下的既定字体生成需要。

公开(公告)号：CN115221253A

公开(公告)日：2022-10-21

申请号：CN202210850951.2

申请日：2022-07-20

Applicant: 重庆邮电大学

Inventor： 刘立 ,  孙磊 ,  王华钦 ,  王重阳 ,  陈鹏刚

IPC: G06F16/28 ,  G06F16/242 ,  G06N3/08

Abstract: 本发明属于知识图谱补全领域，具体涉及到一种基于解耦表示的知识图谱补全方法；包括获取待补全知识图谱中的全部有效三元组进行预处理，也就是划分支持集和查询集；构建基于解耦表示学习的知识图谱补全模型；根据该模型来对待补全知识图谱进行补全；本发明采用解耦表示学习和小样本学习相结合的方式，通过解耦表示学习方法来学习实体多个通道的表示，进而对查询集进行更加精确的匹配，来提高在长尾关系非常多的场景下知识图谱补全的准确性。