公开(公告)号：CN105955957A

公开(公告)日：2016-09-21

申请号：CN201610294366.3

申请日：2016-05-05

Applicant: 北京邮电大学

Inventor： 石川 ,  赵惠东 ,  李依桐

IPC: G06F17/27 ,  G06Q10/06

CPC classification number: G06F17/277 ,  G06Q10/06393

Abstract: 本发明实施例提供了一种商家总体评论中方面评分的确定方法及装置。所述方法包括：针对获得的每个第一用户评论，根据预设第一规则或预设第二规则，识别所述第一用户评论的文本评论中的每个词对；针对每个词对，根据预设第一公式、保存的每个联合概率，计算所述词对在每个方面、取每个可选得分时的概率，根据计算得到的每个概率，获得每个方面对应的概率和值，并将最大的概率和值对应的方面确定为所述词对归属的方面，并确定所述词对在该方面的得分；针对每个方面，根据确定的每个第一用户评论中在该方面的词对的得分，确定所述待评分商家在所述方面的方面评分。本实施例能够提高评分网站上商家的总体评论中方面评分的准确性。

公开(公告)号：CN103559320B

公开(公告)日：2016-08-24

申请号：CN201310596279.X

申请日：2013-11-21

Applicant: 北京邮电大学

Inventor： 石川 ,  李依桐 ,  吴斌 ,  王柏

IPC: G06F17/30

Abstract: 本发明实施例公开了一种对异质网络中对象进行排序的方法，其特征在于，所述方法包括：获取第一目标类型与第二目标类型；将异质网络转化为由所述第一目标类型、所述第二目标类型及所述第一目标类型与所述第二目标类型之间的路径构成的二分网络；将所述二分网络转化为对应的张量X；获取在所述张量X中进行随机游走时的可达概率平稳分布；根据所述可达概率平稳分布对所述第一目标类型中的对象、所述第二目标类型中的对象及所述第一目标类型与所述第二目标类型之间的路径进行排序。与现有技术相比，本实施例对异质网络中的对象进行排序时，不但可以使用路径捕捉语义信息，而且可以充分利用语义信息，排序结果相对准确。

公开(公告)号：CN103984701A

公开(公告)日：2014-08-13

申请号：CN201410157342.4

申请日：2014-04-16

Applicant: 北京邮电大学

Inventor： 石川 ,  陈庆 ,  刘刚 ,  吴斌 ,  王柏

IPC: G06F17/30

CPC classification number: G06F17/30713 ,  G06Q10/04

Abstract: 本发明实施例公开了微博转发量预测模型生成方法及微博转发量预测方法。微博转发量预测模型生成方法包括：获取训练数据，训练数据包括多条已知转发量的微博；以微博的转发量为依据，将微博分为3个以上转发量类别；提取每条微博的基本特征；建立基本特征与转发量类别之间的多分类模型；针对每一个转发量类别，建立基本特征与微博转发量之间的回归模型。微博转发量预测方法包括：提取待预测微博的基本特征；根据多分类模型及基本特征，判定待预测微博所属的转发量类别；获取转发量类别对应的回归模型；根据回归模型及基本特征，预测待预测微博的转发量。采用本发明的提供的方法特征提取简单且适合在大规模数据中使用。

公开(公告)号：CN118568299A

公开(公告)日：2024-08-30

申请号：CN202310806969.7

申请日：2023-07-03

Applicant: 第四范式(北京)技术有限公司 ,  北京邮电大学

Inventor： 赵欢 ,  石川 ,  梁峰绮

IPC: G06F16/901 ,  G06F16/9035 ,  G06F16/9038 ,  G06N3/0464 ,  G06N3/08

Abstract: 提供了一种结构检索方法、装置、框架、系统、可读存储介质。所述结构检索方法包括：获取目标数据集；利用预训练的结构检索框架对目标数据集进行处理，得到目标图神经网络结构，其中，所述结构检索框架用于预测目标数据集与图神经网络结构的相关性程度，并基于相关性程度确定目标图神经网络结构。

公开(公告)号：CN118211258A

公开(公告)日：2024-06-18

申请号：CN202410203717.X

申请日：2024-02-23

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  刘纪玺

IPC: G06F21/62 ,  G06N3/0464 ,  G06N3/094

Abstract: 本申请提供一种基于敏感信息中和的处理方法、装置及相关设备。该方法包括：从联合先验分布(xi,si)～prior中提取每个节点vi对应的特征和敏感属性；根据每个节点vi通过同质假设采样得到每个节点vi对应的入度邻居节点集；其中，入度邻居节点集，包括：同质邻居节点和异质邻居节点；根据每个节点vi和与每个节点vi对应的入度邻居节点集生成具有节点集v和边集ε的图#imgabs0#其中，节点集V中每个节点vi具有敏感属性si；根据预设方式对图#imgabs1#的结构和或节点对应的节点特征进行修改以得到基于敏感信息中和的目标处理模型。在消息传递之前消除节点特征的偏见，提高预测性能和公平性。

公开(公告)号：CN111814842B

公开(公告)日：2023-11-03

申请号：CN202010555093.X

申请日：2020-06-17

Applicant: 北京邮电大学

Inventor： 王啸 ,  石川 ,  朱美琪

IPC: G06F18/2415 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/042

Abstract: 本发明实施例提供了一种对象的分类方法及装置，所述方法包括：获取待分类拓扑网络、第一拓扑信息及拓扑网络中每个节点的特征信息；基于每两个节点的特征信息之间的相似度，构建相似性拓扑图，并确定相似性拓扑图的第二拓扑信息；将第一拓扑信息、每个节点的特征信息及第二拓扑信息输入预先训练的节点分类模型，确定每个节点的类型；基于每个节点的类型，确定每个节点所表示的对象的类型。采用本发明实施例，可以提高对象分类的准确度。

公开(公告)号：CN115659990A

公开(公告)日：2023-01-31

申请号：CN202211386860.4

申请日：2022-11-07

Applicant: 北京邮电大学 ,  中国烟草总公司郑州烟草研究院

Inventor： 郝燕如 ,  肖丁 ,  王锐 ,  石川 ,  杨天持

IPC: G06F40/30 ,  G06F40/242 ,  G06F16/35 ,  G06F40/289 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/0464

Abstract: 本发明提供烟草情感分析方法、装置及介质，所述方法包括构建烟草情感分析模型；训练上述烟草情感分析模型；将预分析的文本输入训练后的烟草情感分析模型，获得所述文本的情感极性，所述情感极性包括正向、中性和负向。本发明能够准确有效的预测烟草领域用户评论的情感极性。

公开(公告)号：CN115527206A

公开(公告)日：2022-12-27

申请号：CN202211209430.5

申请日：2022-09-30

Applicant: 北京邮电大学 ,  鹏城实验室

Inventor： 石川 ,  王贞仪

IPC: G06V20/70 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于HGNN的节点依赖的语义搜索方法，与以往的工作不同，本发明考虑到HG中节点的多样性，在节点依赖语义结构的指导下，首次尝试在HGNN上执行节点依赖语义搜索，构建了一个具有表达力的语义结构，包含关系选择和连接选择两个组件，并将HGNN上的语义搜索转化为搜索这两个关键组件中的选择策略。此外，为了提高本发明的自适应性，我们进一步设计了预测器以达到节点依赖的语义搜索，通过自适应关系选择和连接选择来指导HGNN的信息传递流。通过大量实验结果表明，本发明在节点分类和连接预测任务上的性能普遍优于现有的所有基准方法，具有较高的推理效率，并能有效地捕获任务相关语义。

公开(公告)号：CN114611621A

公开(公告)日：2022-06-10

申请号：CN202210266293.2

申请日：2022-03-17

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  杨天持

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力超图神经网络的协同聚类方法，包括以下步骤：S1、构建一个超图来对完整交互进行建模，其中每个完整交互都表示为一条连接了所有相关对象的超边；S2、设计一个注意力超图神经网络来显式地学习完整交互的表示，同时通过注意力机制选择相关的关键属性以作为解释，所述的注意力机制通过显著性方法来指导；S3、对完整交互和相应的属性选择分布进行协同聚类，以实现基于聚类的一致性。与现有方法对比，本发明对完整交互进行了更全面的建模和表示，并且直接针对交互本身进行聚类分析，而不是对交互中的对象进行聚类分析，因此可以发现更全面的交互模式，此外，本发明还通过考虑两个一致性，进一步提高了聚类性能和可解释性。

公开(公告)号：CN113688600A

公开(公告)日：2021-11-23

申请号：CN202111049168.8

申请日：2021-09-08

Applicant: 北京邮电大学

Inventor： 杨成 ,  石川 ,  王浩

IPC: G06F40/126 ,  G06F40/194 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于主题感知注意力网络的信息传播预测方法，将主题上下文和传播历史上下文整合到用户表示中进行预测。主题上下文支持针对特定主题的传播模式建模，而传播历史上下文可以进一步分解为用户依赖建模和位置依赖建模。随后，我们可以使用编码得到的用户上下文来构建多主题下的用户表示。然后，我们通过一个时间衰减聚合模块进一步集成用户表示，从而获取级联表示。其中，所有这些模块都是由信息传播的特征驱动的。因此，我们提出的基于主题感知注意力网络的信息传播预测方法可以更好地拟合真实世界的扩散数据，并更准确地预测。此外，在传统的主题感知模型中需要使用预定义好的主题分布，而采用本发明方法主题可以自动学习。