-
公开(公告)号：CN110046698B
公开(公告)日：2021-07-30
申请号：CN201910349275.9
申请日：2019-04-28
Applicant: 北京邮电大学
Abstract: 本申请实施例提供了一种异质图神经网络生成方法、装置、电子设备及存储介质，包括：获取待处理数据的各目标节点向量；通过预设深度学习算法对各目标节点向量进行分析，得到各目标节点向量的节点级别的注意力；通过第一预设公式对各目标节点的节点级别的注意力进行归一化，得到各目标节点向量的权重系数；通过第二预设公式将各目标节点向量的权重系数和各目标节点向量进行聚合，得到各目标节点向量在指定元路径下的向量表示；将各目标节点向量在不同元路径的权重进行融合，得到各目标节点向量语义级别的注意力表示，从而得到各目标节点向量的网络模型。这样应用本申请实施例的网络模型，可以更好的捕获异质图上的复杂结构和语义信息。
-
公开(公告)号：CN111861635A
公开(公告)日：2020-10-30
申请号：CN202010553464.0
申请日：2020-06-17
Applicant: 北京邮电大学
IPC: G06Q30/06 , G06Q50/00 , G06F16/9536
Abstract: 本发明一种针对商品分享时的好友推荐方法、装置及设备，应用于计算机技术领域。该针对商品分享时的好友推荐方法包括：在检测到第一用户分享目标商品时，确定第一用户的好友列表中的多个第二用户；确定第一用户对应的向量、多个第二用户对应的向量，以及目标商品对应的向量；针对每一第二用户，将第一用户对应的向量、该第二用户对应的向量，以及目标商品对应的向量，输入至预设的预测模型中，得到第一用户向该第二用户分享所述目标商品的分享概率；利用各个第二用户对应的分享概率，从多个第二用户中，筛选用于向第一用户进行推荐的目标第二用户；向第一用户推荐所确定出的目标第二用户。本方案可以提升针对商品分享时好友推荐的命中率。
-
公开(公告)号：CN109800504B
公开(公告)日：2020-10-27
申请号：CN201910054117.0
申请日：2019-01-21
Applicant: 北京邮电大学
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：CN110046698A
公开(公告)日：2019-07-23
申请号：CN201910349275.9
申请日：2019-04-28
Applicant: 北京邮电大学
Abstract: 本申请实施例提供了一种异质图神经网络生成方法、装置、电子设备及存储介质，包括：获取待处理数据的各目标节点向量；通过预设深度学习算法对各目标节点向量进行分析，得到各目标节点向量的节点级别的注意力；通过第一预设公式对各目标节点的节点级别的注意力进行归一化，得到各目标节点向量的权重系数；通过第二预设公式将各目标节点向量的权重系数和各目标节点向量进行聚合，得到各目标节点向量在指定元路径下的向量表示；将各目标节点向量在不同元路径的权重进行融合，得到各目标节点向量语义级别的注意力表示，从而得到各目标节点向量的网络模型。这样应用本申请实施例的网络模型，可以更好的捕获异质图上的复杂结构和语义信息。
-
公开(公告)号：CN114707644B
公开(公告)日：2024-09-06
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
IPC: G06N3/042 , G06F18/214 , G06F18/2415 , G06F16/28 , G06N3/08
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。
-
Patent Agency Ranking
公开(公告)号：CN113723008B
公开(公告)日：2023-09-15
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：CN112966763A
公开(公告)日：2021-06-15
申请号：CN202110285723.0
申请日：2021-03-17
Applicant: 北京邮电大学
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：CN112699938A
公开(公告)日：2021-04-23
申请号：CN202011604370.8
申请日：2020-12-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于图卷积网络模型的分类方法及装置，获取目标对象的待处理特征数据，并输入至目标图卷积网络模型；目标图卷积网络模型包括多层感知器、卷积网络和特征变换层；通过多层感知器分别对每一目标对象的待处理特征数据进行非线性变换，得到该目标对象的第一特征数据；通过卷积网络，对各目标对象的第一特征数据进行特征提取，得到各目标对象的聚合特征数据；通过特征变换层分别对每一目标对象的聚合特征数据进行映射处理，得到该目标对象的类别标签；在预设的类别标签与类别的对应关系中，确定每一目标对象的类别标签对应的类别，作为该目标对象的类别。基于上述处理，可以提高确定出的目标对象的类别的准确性。
-
公开(公告)号：CN112232492A
公开(公告)日：2021-01-15
申请号：CN202011193283.8
申请日：2020-10-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于解耦的异质网络嵌入方法、装置及电子设备，该方法包括：将从待处理异质网络获取的不同元路径下的嵌入向量输入至编码层，获得待定的共有特征向量，并基于元路径鉴别网络模型，得到该待定的共有特征向量的损失函数值；将从嵌入向量查找层获取的待定的特有特征向量与待定的共有特征向量进行合成，并基于语义鉴别网络模型，得到合成嵌入向量的损失函数值；在两个损失函数值小于或等于预设损失函数阈值时；输出该待定的共有特征向量与待定的特有特征向量，否则，调整编码层、嵌入向量查找层和生成层的参数，并重复执行将多组嵌入向量输入至编码层的步骤。从而实现在不选择元路径的前提下，保证异质网络的低维向量的准确度。
-
公开(公告)号：CN111930858A
公开(公告)日：2020-11-13
申请号：CN202010711317.1
申请日：2020-07-22
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种异质信息网络的表示学习方法、装置及电子设备，包括：获得异质信息网络和异质信息网络的网络模式，并从异质信息网络中采样出与网络模式相匹配的网络模式实例以及针对异质信息网络包含的每个节点，基于该节点的一阶邻居关系和包含该节点的网络模式实例，得到该节点的节点表示，由于网络模式全面地保留了网络中的各节点的节点类型和关系信息，因此通过与网络模式相匹配的网络模式实例可以生成统一的网络表示。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.078 seconds)
