-
公开(公告)号：CN113688574B
公开(公告)日：2024-10-29
申请号：CN202111051476.4
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/042 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。
-
公开(公告)号：CN112733933B
公开(公告)日：2024-01-05
申请号：CN202110023447.0
申请日：2021-01-08
Applicant: 北京邮电大学
IPC: G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了基于统一优化目标框架图神经网络的数据分类方法及装置，获取待分类对象的描述信息，待分类对象之间的关系信息；基于描述信息生成特征矩阵，基于关系信息生成邻接矩阵；将特征矩阵和邻接矩阵输入预先构建并训练完成的图神经网络，得到各待分类对象的分类结果；图神经网络是根据预先确定的特征传播方程构建的，特征传播方程是在预设优化目标方程的基础上进行图形过滤器赋值得到的，优化目标方程包括特征拟合约束项和图拉普拉斯正则化约束项。提出了图神经网络的统一的优化目标方程，并对图形过滤器进行赋值得到特征传播方程，根据特征传播方程构建图神经网络，根据所构建的图神经网络对待分类对象进行分类，能够提高分类准确性。
-
公开(公告)号：CN112966763B
公开(公告)日：2023-12-26
申请号：CN202110285723.0
申请日：2021-03-17
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提供的一种分类模型的训练方法、装置、电子设备及存储介质，应用于信息技术领域，通过根据样本异质图生成样本异质图提取语义图并生成关系子图，根据关系子图得到待分类目标的分类结果，并计算当前损失，根据当前损失对待训练的异质图结构学习网络和待训练的图神经网络的参数同时进行调整，从而可以提高模型训练的效率。
-
公开(公告)号：CN113723008A
公开(公告)日：2021-11-30
申请号：CN202111050120.9
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F30/27 , G06F111/04 , G06F111/08
Abstract: 本发明公开了一种基于几何非纠缠变分自动编码器学习几何解耦表示的方法，首次尝试学习几何解耦表示，并提出了一个几何解耦变分自动编码器模型(GDVAE)，将不同几何空间中的分离表示投影到一个共享的潜在空间中，从而可以利用一个通用的度量来计算接近度，可以学习不同几何特征下的特征，结合不同几何以获得更为有效的特征表示，并通过实验结果证明了所提出的GDVAE模型的有效性。
-
公开(公告)号：CN112733933A
公开(公告)日：2021-04-30
申请号：CN202110023447.0
申请日：2021-01-08
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了基于统一优化目标框架图神经网络的数据分类方法及装置，获取待分类对象的描述信息，待分类对象之间的关系信息；基于描述信息生成特征矩阵，基于关系信息生成邻接矩阵；将特征矩阵和邻接矩阵输入预先构建并训练完成的图神经网络，得到各待分类对象的分类结果；图神经网络是根据预先确定的特征传播方程构建的，特征传播方程是在预设优化目标方程的基础上进行图形过滤器赋值得到的，优化目标方程包括特征拟合约束项和图拉普拉斯正则化约束项。提出了图神经网络的统一的优化目标方程，并对图形过滤器进行赋值得到特征传播方程，根据特征传播方程构建图神经网络，根据所构建的图神经网络对待分类对象进行分类，能够提高分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN111814842A
公开(公告)日：2020-10-23
申请号：CN202010555093.X
申请日：2020-06-17
Applicant: 北京邮电大学
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：CN109800504A
公开(公告)日：2019-05-24
申请号：CN201910054117.0
申请日：2019-01-21
Applicant: 北京邮电大学
IPC: G06F17/50
Abstract: 本发明实施例提供了一种异质信息网络的嵌入方法和装置，所述方法可以包括：确定待嵌入异质信息网络中每个节点的表示向量；将所确定的表示向量输入至预先设定的双曲空间嵌入模型中；基于双曲空间嵌入模型，对表示向量进行双曲空间中的指数映射，得到每个节点在双曲空间中的嵌入向量。应用本发明实施例，由于双曲空间与异质信息网络同样具有幂律分布特性，在双曲空间中能够更贴合地体现出异质信息网络的结构和语义信息，使得异质信息网络的结构和语义信息保留得更完整。因此，可以提高嵌入准确度。
-
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
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：CN114707644A
公开(公告)日：2022-07-05
申请号：CN202210440602.3
申请日：2022-04-25
Applicant: 支付宝(杭州)信息技术有限公司 , 北京邮电大学
Abstract: 本说明书实施例提供一种图神经网络的训练方法，涉及基于用户关系图谱对图神经网络进行多轮次迭代更新，其中任一轮次包括：利用当前图神经网络对所述用户关系图谱进行处理，得到与该用户关系图谱中多个用户节点对应的多个分类预测向量；基于所述多个分类预测向量，为所述多个用户节点中第一数量的未标注节点分配对应的伪分类标签；针对所述第一数量的未标注节点中的各个未标注节点，确定利用其训练所述当前图神经网络而产生的信息增益；根据与所述多个用户节点中各个标注节点对应的分类预测向量和真实分类标签，以及与所述各个未标注节点对应的分类预测向量、伪分类标签和信息增益，更新所述当前图神经网络中的模型参数。
-
公开(公告)号：CN113688574A
公开(公告)日：2021-11-23
申请号：CN202111051476.4
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.078 seconds)
