-
公开(公告)号：CN111191099B
公开(公告)日：2023-04-07
申请号：CN201911392834.0
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/951 , G06F16/958 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于社交媒体的用户活动类型识别方法，通常情况下一张图由结点和边构成。首先将所有的用户评论和构成评论的词看做图中的多个结点，并定义不同词与词之间，词与评论之间的边的权重和关系，形成最基本的图；然后将发表评论的用户看做另一类结点，根据用户与评论之间的发表关系，定义用户和评论间边的权重，向已经形成的图中添加用户结点；然后将发表评论的用户的其他好友看做新一类的结点，定义用户和他们对应的好友结点间的关系权重，形成一张包含评论的文本信息和结构信息的大图。最后利用图卷积网络对形成的大图进行结点分类，得到用户活动分类的准确性。
-
公开(公告)号：CN115333778A
公开(公告)日：2022-11-11
申请号：CN202210829333.X
申请日：2022-07-15
Applicant: 中国地质大学(武汉) , 绿盟科技集团股份有限公司
IPC: H04L9/40 , H04L41/147 , H04L41/16
Abstract: 本发明公开了一种基于攻击模式的网络攻击行为预测方法，包括：构建网络攻击事理图谱；其中事理图谱由攻击行为组成；从事理图谱中抽取攻击模式；其中攻击模式由攻击行为之间的链路关系组成；聚合攻击模式及历史攻击行为，得到攻击模式和历史攻击行为的向量表示；采用改进GAT网络更新历史攻击行为表示，并利用更新的历史攻击行为，计算候选攻击行为得分，并对候选攻击行为进行排序；其中候选攻击行为，为所有待预测的攻击行为；候选攻击行为得分最高者为最终预测的攻击行为。本发明有益效果是：考虑了攻击主体的属性信息，并对主体的历史攻击行为进行编码，使其能够更好地服务于恶意行为预测任务。
-
公开(公告)号：CN109299284B
公开(公告)日：2021-07-20
申请号：CN201811011812.0
申请日：2018-08-31
Applicant: 中国地质大学(武汉)
IPC: G06F16/36
Abstract: 本发明一种基于结构信息与文本描述的知识图谱表示学习方法的目的是将三元组中的实体和关系映射到低维连续的实值空间中。本发明旨在提高知识表示中实体的向量表示；从现有知识库Freebase中得到实体的对应文本描述信息，采用word2vec对每个描述进行词向量表示，然后用词加和均值向量作为该描述的向量表示，还采用doc2vec的句向量生成方式对描述进行向量表示，然后将词向量作为CNN文本编码器的输入，得到每个实体的基于描述文本的表示向量；然后在联合表示中利用权值来评估知识库中基于符号的表示向量、基于网络结构的表示向量和基于描述文本的表示向量对实体的最终表示向量的影响，完成结构信息和文本信息的融合，提高知识图谱表示的准确性。
-
Patent Agency Ranking
公开(公告)号：CN109947948B
公开(公告)日：2021-04-09
申请号：CN201910148591.X
申请日：2019-02-28
Applicant: 中国地质大学(武汉)
IPC: G06F16/36 , G06F40/289
Abstract: 本发明公开了一种基于张量的知识图谱表示学习方法及系统，本发明针对现有的知识图谱表示学习方法只考虑三元组本身信息、实体文本描述信息、实体图片信息、实体层次结构信息，而忽略了图谱的局部网络结构信息导致知识表示学习效果不佳的问题，本发明在知识图谱的表示学习中，考虑了每个实体的局部网络结构信息。首先，根据知识图谱的数据集，生成每个实体的掩码矩阵；其次，训练张量R，表示整个数据集的语义信息，每个实体可以通过掩码矩阵和R作用，得到每个实体的语义张量表达；然后，训练向量r，表示将每个实体语义张量映射至特定语义空间中的映射向量；最后在特定的语义空间进行训练，提高知识图谱表示学习的准确性。
-
公开(公告)号：CN109033433B
公开(公告)日：2020-09-29
申请号：CN201810918698.3
申请日：2018-08-13
Applicant: 中国地质大学(武汉)
IPC: G06F16/35 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的评论数据情感分类方法及系统，本发明针对传统的情感分类方法只单独考虑影评的文本信息，而忽略了影评的背景知识导致情感分类的准确率不高的问题，本发明在原有的影评信息上添加背景知识，利用卷积神经网络提高影评情感分类准确率的方法：首先，利用SenticNet情感网络从影评的文本中得到关键词，并用Word2Vec模型得到上述关键词的向量表示；其次，用SenticNet情感网络得到每个关键词对应的背景知识；然后利用TransE模型和document2vec模型得到背景知识的向量表示；最后，利用卷积神经网络对关键词向量，背景知识向量进行处理，得到情感分类模型，提高了影评数据情感分类的准确性。
-
公开(公告)号：CN109919192A
公开(公告)日：2019-06-21
申请号：CN201910090400.9
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于卷积神经网络和词向量的图像分类方法及系统，其方法包括：首先获取训练用的图像数据集和语料数据集；然后对所述语料数据集进行词向量生成处理，获取所述语料数据集对应的词向量集，并根据词向量集，得到标签对应的词语的语义向量集；进而，对所述训练用的图像数据集做预处理，并将预处理后的图像数据集和标签对应的词语的语义向量集输入图片分类模型，以对图片分类模型进行训练，得到训练后的图片分类模型；最后利用训练好的图片分类模型，对待分类图片进行图片分类。本发明的有益效果是：在原有的图像卷积分类的基础上添加标签词向量，并利用标签词向量调节图片分类模型的内部参数，从而大大提高了图像分类的准确率。
-
公开(公告)号：CN109241078A
公开(公告)日：2019-01-18
申请号：CN201811005179.4
申请日：2018-08-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/242 , G06F16/2453 , G06F16/28 , G06F16/901
Abstract: 本发明一种基于混合数据库的知识图谱组织查询方法，包括：获取预设数据集中的三元组集合；从三元组集合中区分出实体三元组集合和关系三元组集合；在Neo4j上进行实体三元组集合的存储，得到带实体的知识库；针对带实体的知识库构建索引，得到带索引和实体的知识库；在Neo4j上进行关系三元组集合的存储，得到带索引、实体和关系的知识库；在MySQL上进行实体歧义信息的存储，构建实体歧义词表；将构建的实体歧义词表存储到带索引、实体和关系的知识库，得到完整的知识库。本发明结合关系型数据库和图数据库各自的优点，提出基于混合数据库的知识图谱组织方法，适用于一般的大规模开放领域知识图谱，在优化知识图谱存储结构的同时改善了知识图谱的查询效率。
-
公开(公告)号：CN109033433A
公开(公告)日：2018-12-18
申请号：CN201810918698.3
申请日：2018-08-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于卷积神经网络的评论数据情感分类方法及系统，本发明针对传统的情感分类方法只单独考虑影评的文本信息，而忽略了影评的背景知识导致情感分类的准确率不高的问题，本发明在原有的影评信息上添加背景知识，利用卷积神经网络提高影评情感分类准确率的方法：首先，利用SenticNet情感网络从影评的文本中得到关键词，并用Word2Vec模型得到上述关键词的向量表示；其次，用SenticNet情感网络得到每个关键词对应的背景知识；然后利用TransE模型和document2vec模型得到背景知识的向量表示；最后，利用卷积神经网络对关键词向量，背景知识向量进行处理，得到情感分类模型，提高了影评数据情感分类的准确性。
-
-
-
-
-
-
-
Search Results
48
records
(took 0.033 seconds)
