-
公开(公告)号：CN114462604A
公开(公告)日：2022-05-10
申请号：CN202210129336.2
申请日：2022-02-11
Applicant: 重庆邮电大学
Abstract: 本发明属于人工智能及自然语言处理领域，具体涉及一种基于概率推理的知识图谱实体对齐方法及装置，包括跨知识图谱分别获取用于训练的实体对齐种子以及与它们相连的关系，将这些实体和关系放入知识图谱表示学习算法当中进行训练；基于训练得到的关系向量，使用向量相似度算法对关系的相似度进行计算，提取出相似度较大的关系对；基于实体对齐种子以及计算得到的关系对，可以迭代的通过概率推理计算未对齐实体的对齐可能性并标注实体对齐结果；本发明通过利用知识图谱表示学习算法以及新颖的知识图谱概率推理算法，能有效提升知识图谱的实体对齐效果。
-
公开(公告)号：CN111523622A
公开(公告)日：2020-08-11
申请号：CN202010337499.0
申请日：2020-04-26
Applicant: 重庆邮电大学
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：CN119358591A
公开(公告)日：2025-01-24
申请号：CN202411477215.2
申请日：2024-10-22
Applicant: 重庆邮电大学
IPC: G06N3/042 , G06V10/764 , G06N3/08 , G06F17/16
Abstract: 本发明属于图神经网络解释领域，具体涉及一种基于图神经网络的可解释性分子性质预测方法，包括：获取图数据G，对图数据进行迭代，生成K个关键子图；获取图神经网络图分类模型，根据图神经网络图分类模型获取节点嵌入；根据节点嵌入得到图的边掩码矩阵；将K个关键子图和掩码矩阵输入到感知器中对每个关键子图进行重要性评分，得到得分矩阵W以及图G中每条边和关键子图模式的归属关系矩阵L；将得分矩阵W和归属关系矩阵输入到掩码更新器重，得到最终掩码矩阵M；根据掩码矩阵M选择掩码值最高的topK条边生成解释子图作为图神经网络图分类模型的解释；本发明采用频繁子图挖掘算法来提取数据中重要的子图模式，从而提高了可解释准确度。
-
公开(公告)号：CN114398904B
公开(公告)日：2024-08-23
申请号：CN202111386005.9
申请日：2021-11-22
Applicant: 重庆邮电大学
IPC: G06F40/35 , G06F16/35 , G06F40/216 , G06F18/214 , G06F18/241 , G06N3/084
Abstract: 本发明公开了一种基于多粒度特征解耦的开放领域对话生成方法，包括：获取数据集和对话类别；随机选取数据集中的若干个第一训练对输入条件变分自编码器CVAE模型，得到与对话类别对应的先验高斯分布；将数据集中的第二训练对输入高级条件变分自编码器A‑CVAE模型中，得到重构期望损失和KL散度；根据重构期望损失、KL散度、第一训练对对应的先验高斯分布，得到总损失；根据总损失对A‑CVAE模型进行反向梯度优化，得到训练A‑CVAE模型；获取待回复对话问题；将待回复对话问题输入训练A‑CVAE模型，生成对话回复。本发明能够解决现有模型不能很好的捕捉对话的类别语义，生成的对话可解释性不高的技术问题。
-
公开(公告)号：CN116628516A
公开(公告)日：2023-08-22
申请号：CN202310583291.0
申请日：2023-05-23
Applicant: 重庆邮电大学
Abstract: 本发明属于图神经网络和对齐领域，具体涉及一种基于结构‑表示相似度的跨社交网络用户对齐方法，包括根据源网络和目标网络分别构建图网络结构，将网络中已经确定为同一用户的用户节点称为anchor节点，还未确定的用户节点称为非anchor节点；分别学习两个网络节点的向量表示；将节点的向量表示和节点的邻接特征拼接在一起作为节点特征，将节点特征输入节点对判断器，节点对判断器判断节点使用的相似度函数；根据节点的相似度函数对两个网络的节点进行对齐；本发明能使对齐任务更加准确的进行，尤其是在少监督的“精确匹配”场景中有显著的提升。
-
Patent Agency Ranking
公开(公告)号：CN115221956A
公开(公告)日：2022-10-21
申请号：CN202210830120.9
申请日：2022-07-15
Applicant: 重庆邮电大学
Abstract: 本发明属于图神经网络分析领域，具体涉及一种跨社交网络用户对齐方法，具体包括：从两个社交网络中获取用户节点，进行节点标签初始化；标签初始化后进行节点标签的传播与映射；标签的传播与映射后节点进行向量的表示学习，完成向量表示更新；利用损失函数拉近更新后的非锚节点的向量表示，同时拉近相同标签的节点余弦距离，完成跨社交网络用户对齐。本发明设计了本方法中的标签传播规则，使得在对齐过程中，锚节点不停会播自身信息和映射达到收敛，同时与节点嵌入表示学习交替进行，学习每个用户节点在向量空间中的表示，使得本方法在跨社交网络用户对齐时保持精准匹配表现。
-
公开(公告)号：CN112507299B
公开(公告)日：2022-05-03
申请号：CN202011400514.8
申请日：2020-12-04
Applicant: 重庆邮电大学
Abstract: 本发明属于持续身份认证领域，具体涉及一种持续身份认证系统中的自适应击键行为认证方法及装置；所述认证方法包括提取出键对数据中每个按键的持续时间的统计特征，并将这些统计特征进行聚类处理，使用类标签替换对应按键数据的键值，采用数据集对单分类器进行训练调整，按照单分类器的分类结果计算出三支决策所需的阈值α和β；将待测的键对数据输入到单分类器中，将单分类器的输出结果与三支决策的阈值α和β进行比较判断，输出最终的认证结果；本发明可以在较小的所需键对期望值下获得较高的认证准确率，实现持续认证系统中安全性与用户友好性的平衡。
-
公开(公告)号：CN112507299A
公开(公告)日：2021-03-16
申请号：CN202011400514.8
申请日：2020-12-04
Applicant: 重庆邮电大学
Abstract: 本发明属于持续身份认证领域，具体涉及一种持续身份认证系统中的自适应击键行为认证方法及装置；所述认证方法包括提取出键对数据中每个按键的持续时间的统计特征，并将这些统计特征进行聚类处理，使用类标签替换对应按键数据的键值，采用数据集对单分类器进行训练调整，按照单分类器的分类结果计算出三支决策所需的阈值α和β；将待测的键对数据输入到单分类器中，将单分类器的输出结果与三支决策的阈值α和β进行比较判断，输出最终的认证结果；本发明可以在较小的所需键对期望值下获得较高的认证准确率，实现持续认证系统中安全性与用户友好性的平衡。
-
公开(公告)号：CN112507247A
公开(公告)日：2021-03-16
申请号：CN202011476008.7
申请日：2020-12-15
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域，具体涉及一种融合用户状态信息的跨社交网络用户对齐方法；所述方法包括采用随机游走采样的方式提取用户的局部特征；采用迭代的方式计算出用户的状态值，循环比较具有相似状态值的用户集合作为该用户的全局特征；将局部特征和全局特征输入到词向量模型的神经网络模型中映射为低维特征向量；将用户在两个社交网络中的低维特征向量采用预设的映射函数进行对齐，输出源社交网络中的用户与目标社交网络中的用户中可能存在的潜在对齐用户对；本发明利用网络嵌入方法分别从局部和全局提取出社交用户特征，利用节点状态量化节点在网络中的重要性，通过融合节点状态以及迭代地更新训练对齐模型，提高用户识别的准确率。
-
公开(公告)号：CN111814066A
公开(公告)日：2020-10-23
申请号：CN202010620580.X
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于启发式算法的动态社交用户对齐方法及系统；所述方法包括：跨网络新增节点权重自适应学习方法，在单网络环境下引入注意力机制获取新节点在单网络中的局部影响权重，在多网络环境下使用跨网络特有的锚节点作为监督信息，启发式学习新节点在用户对齐任务驱动下的局部影响权重；网络局部动态更新，融合上述两种权重，选择需要更新的网络范围，在保持二阶邻居相似度的前提下进行网络局部动态更新，完成用户对齐任务驱动下的多网络用户表示，进而完成动态跨网络用户对齐；本发明可以在不失准确率的情况下在较短的时间完成动态网络的更新，有效解决动态网络用户对齐时间开销大、模型重训练等问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.025 seconds)
