公开(公告)号：CN115391522A

公开(公告)日：2022-11-25

申请号：CN202210921496.0

申请日：2022-08-02

Applicant: 中国科学院计算技术研究所

Inventor： 高金华 ,  赵鑫 ,  沈华伟 ,  王永庆 ,  庞亮 ,  孟剑 ,  程学旗

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/258 ,  G06F40/295 ,  G06Q50/00 ,  G06N3/08

Abstract: 本发明提出一种基于社交平台元数据的文本主题建模方法和系统，包括基于文本数据的关键词，构建文本数据的词袋表示；基于文本数据的元数据类别，训练对应类别的属性值预测任务，以微调预训练语义提取模型，得到目标语义提取模型，使用目标语义提取模型提取文本数据的文本语义表示；基于文本语义表示构造语义约束目标，以语义约束目标为指导，以词袋表示作为输入和重构目标，训练基于变分自编码器的神经主题模型，得到主题提取模型，并从模型中导出主题‑关键词分布和主题嵌入表示。方法及系统可以对移动应用内广泛存在的短文本消息进行主题建模，提取出主题的关键词并学习得到主题的嵌入表示。

公开(公告)号：CN114418060A

公开(公告)日：2022-04-29

申请号：CN202111588857.6

申请日：2021-12-23

Applicant: 中国科学院计算技术研究所

Inventor： 沈华伟 ,  岑科廷 ,  曹婍 ,  徐冰冰 ,  程学旗

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供了一种基于图表示学习的身份保持对抗训练方法、装置、介质，所述方法包括：获取训练场景的图数据，定义图数据的每一个节点为用于表征训练场景的一个原样本，定义原样本的样本身份信息；生成每一个原样本对应的对抗样本；通过为对抗样本添加身份保持约束，将对抗样本保持原样本的样本身份信息；将对抗样本作为第一输入变量，输入至初始图表示学习模型，执行身份保持对抗训练；更新初始图表示学习模型，得到目标图表示学习模型，利用目标图表示学习模型预测训练场景中所述原样本在不同图挖掘任务下的输出。该方法将对抗样本与原样本保持相同的样本身份信息，提升了图表示学习在图结构数据分析中的精度，具有一定的普适性。

公开(公告)号：CN113569539A

公开(公告)日：2021-10-29

申请号：CN202110164573.8

申请日：2021-02-05

Applicant: 中国科学院计算技术研究所 ,  腾讯科技(深圳)有限公司

Inventor： 庞亮 ,  郝长盈 ,  王琰 ,  兰艳艳 ,  沈华伟 ,  史树明 ,  程学旗

IPC: G06F40/166 ,  G06F40/279

Abstract: 本申请的实施例提供了一种文本内容的衍生方法、装置、计算机可读介质及电子设备。该文本内容的衍生方法包括：获取原始文本内容，基于原始文本内容以及与原始条件相对应的反事实条件，从原始结尾中识别出与原始条件相关的因果内容；基于原始结尾以及原始结尾中的因果内容，确定表示原始结尾的文本架构的结尾框架；基于前提、反事实条件以及结尾框架构成的序列，生成原始结尾对应的反事实结尾；本实施例中生成的反事实结尾在原始结尾的基础上，基于原始文本内容中的因果内容生成，在因果内容与原始文本内容一致性的前提下，使得生成的反事实结尾更加符合因果逻辑，增加表达的流畅性。

公开(公告)号：CN109828995B

公开(公告)日：2020-12-11

申请号：CN201811533324.6

申请日：2018-12-14

Applicant: 中国科学院计算技术研究所

Inventor： 程学旗 ,  刘财政 ,  刘盛华 ,  沈华伟

IPC: G06F16/2458 ,  G06F16/28 ,  G06K9/62

Abstract: 本发明涉及一种基于视觉特征的图数据检测方法和系统，包括：获取待分析的图数据，并统计该图数据的分布特征；将该分布特征输入基于视觉特征的分类模型，得到该图数据中具有相同类别的节点，通过将类别相同的该节点划分至同一分组，得到多个分组；利用基于视觉的分析模型对该分组进行聚合分析，得到每个分组的聚类特征，根据每个分组的该聚类特征进行模式总结和异常检测处理，并将每个分组的该聚类特征、模式总结结果和异常检测结果作为该图数据的检测结果。本发明不直接对大图数据的邻接矩阵或者拉普拉斯矩阵进行分解操作，处理速度快，效率高，具有更强的及时性。

公开(公告)号：CN111291229A

公开(公告)日：2020-06-16

申请号：CN202010071390.7

申请日：2020-01-21

Applicant: 中国科学院计算技术研究所

Inventor： 刘盛华 ,  石川 ,  程学旗 ,  李香峰 ,  沈华伟 ,  刘财政

IPC: G06F16/901 ,  G06F16/9035 ,  G06Q40/04

Abstract: 本发明提出一种基于稠密多部子图的检测方法及系统，包括：步骤1、根据链式特征中的信息流动，构建交易网络的多部图，根据预设的账户间信息流动阈值筛选该多部图，得到该多部图中的稠密子图；步骤2、以固定账户存在超阈值的信息流且在中间账户中保留低于阈值的权重为约束条件，生成该稠密子图中节点子集的异常值；步骤3、根据该异常值，输出该多部图中存在异常行为的节点子集作为异常行为检测结果。本发明通过具有有效性和鲁棒性和良好的可扩展性。

公开(公告)号：CN107566249A

公开(公告)日：2018-01-09

申请号：CN201710727462.7

申请日：2017-08-23

Applicant: 中国科学院计算技术研究所

Inventor： 沈华伟 ,  刘伟 ,  张静 ,  查礼 ,  付戈 ,  程学旗

IPC: H04L12/58 ,  H04L12/24

Abstract: 一种训练用于预测社交网络用户转发消息的模型的方法，包括：1)获得所述社交网络中的历史数据，所述历史数据包括不同用户对同一条消息进行发布、转发的次序；2)根据所述历史数据，求解使得损失函数取值最小时各名用户的影响力和易感性；其中，所述影响力用于描述该名用户发布的消息被转发的概率，所述易感性用于描述该名用户受到发布消息的源发用户的影响而对所述消息进行转发的概率，所述损失函数是发布消息的源发用户的影响力、除所述源发用户之外的其他用户的易感性的函数；以及其中，所述用户的影响力和易感性作为所述用于预测社交网络用户转发消息的模型的参数。