公开(公告)号：CN116957067A

公开(公告)日：2023-10-27

申请号：CN202310777807.5

申请日：2023-06-28

Applicant: 北京邮电大学

Inventor： 杜军平 ,  赵天宇 ,  邵蓥侠 ,  管泽礼

IPC: G06N3/098 ,  G06N3/0464 ,  G06F18/2321 ,  G06N7/01 ,  G06Q50/26

Abstract: 本申请提供一种公共安全事件预测模型的强化联邦学习方法及装置，方法包括：针对各个节点各自本地的公共安全事件预测子模型的特征向量进行马尔科夫决策以得到当前的目标聚类参数，并基于OPTICS聚类算法对各个特征向量进行聚类以将节点划分至不同的聚簇并生成全局模型参数；若当前的迭代轮次为最后轮次，则将全局模型参数作为目标公共安全事件预测模型来对公共网络平台实时发布的文本数据进行公共安全事件预测。本申请能够在模型训练阶段实现高效的数据记录、学习和更新，同时可以在保护用户隐私的前提下实现数据的共享和聚合，能够实现针对文本数据进行公共安全事件发生及类型的自动化预测，能够有效提高公共安全事件预测的准确性及可靠性。

公开(公告)号：CN116957067B

公开(公告)日：2024-04-26

申请号：CN202310777807.5

申请日：2023-06-28

Applicant: 北京邮电大学

Inventor： 杜军平 ,  赵天宇 ,  邵蓥侠 ,  管泽礼

IPC: G06N3/098 ,  G06N3/0464 ,  G06F18/2321 ,  G06N7/01 ,  G06Q50/26

Abstract: 本申请提供一种公共安全事件预测模型的强化联邦学习方法及装置，方法包括：针对各个节点各自本地的公共安全事件预测子模型的特征向量进行马尔科夫决策以得到当前的目标聚类参数，并基于OPTICS聚类算法对各个特征向量进行聚类以将节点划分至不同的聚簇并生成全局模型参数；若当前的迭代轮次为最后轮次，则将全局模型参数作为目标公共安全事件预测模型来对公共网络平台实时发布的文本数据进行公共安全事件预测。本申请能够在模型训练阶段实现高效的数据记录、学习和更新，同时可以在保护用户隐私的前提下实现数据的共享和聚合，能够实现针对文本数据进行公共安全事件发生及类型的自动化预测，能够有效提高公共安全事件预测的准确性及可靠性。

公开(公告)号：CN114298279A

公开(公告)日：2022-04-08

申请号：CN202111633979.2

申请日：2021-12-29

Applicant: 北京邮电大学

Inventor： 石川 ,  杨成 ,  赵天宇

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06V10/764

Abstract: 本发明公开了一种多设计维度的异质图神经网络的设计空间构建方法，提出统一的异质图神经网络框架，并基于此统一框架定义了异质图神经网络的设计空间。本发明弥补了之前的工作只从模型级评测异质图神经网络的缺点，为研究者提供了模块级评测的视角，进一步可以剖析哪一些设计维度在模型的性能中起到重要作用。我们还为异质图神经网络的设计空间构建了平台Space4HGNN，并基于此平台提炼出设计模型的原则性指导，提供了标准的评测和模块化的异质图神经网络实现。该平台为研究者提供了模块级的评测，可以提供给用户简易的接口，帮助他们评测不同设计维度的影响。