公开(公告)号：CN117421671B

公开(公告)日：2024-03-05

申请号：CN202311732766.4

申请日：2023-12-18

Applicant: 南开大学

Inventor： 宋春瑶 ,  廉亚红 ,  李玉奇 ,  袁晓洁

IPC: G06F18/2415 ,  G06N7/01 ,  G06F16/901 ,  G06F17/16 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种面向引文网络的频率自适应静态异质图节点分类方法，首先从引文网络数据中提取出特征，构建静态异质图；再忽略静态异质图的顶点类型和边类型，通过受约束的马尔可夫过程得到转移状态矩阵收敛时图的稳定的转移状态，再将随机游走概率大于给定阈值的顶点对作为新的类型的边加入到静态异质图中；再通过空间线性映射将不同的顶点类型从原始空间映射到同一向量空间中，再对每个顶点来自一阶邻居的信号分离高频和低频信号，并通过个性化注意力机制为每个顶点聚合高低频信号；最后，通过空间线性映射将顶点的表示向量映射回原始空间，通过加权交叉熵和受约束的注意力机制训练模型，再通过分类器将引文网络数据的顶点进行分类。

公开(公告)号：CN118709064A

公开(公告)日：2024-09-27

申请号：CN202410768521.5

申请日：2024-06-14

Applicant: 南开大学

Inventor： 宋春瑶 ,  李玉奇 ,  廉亚红 ,  袁晓洁

IPC: G06F18/2413 ,  G06F18/22 ,  G06F18/214 ,  G06F17/16 ,  G06N3/042

Abstract: 本发明公开了一种基于谱域图神经网络的用户异常评论检测方法。首先根据用户评论网络定义定点、顶点的特征矩阵X和边，进而建立用户评论图数据；再分别为每个顶点找到与其特征最相似的k个邻居以及特征最不相似的k个邻居，分别构建出KNN图和KFN图；再通过谱域图神经网络来学习顶点在三张图中的向量表示；再将三种顶点向量表示使用注意力机制进行聚合，再利用聚合后的特征来识别异常评论；再使用损失函数训练模型，当某次迭代的预测类别的准确率在验证集上存在提升时，就使用最新的顶点向量表示更新KNN图和KFN图，直至模型收敛。本发明不受异常类型限制，具有通用性，可以自适应地识别异常顶点，大大提高异常检测能力。

公开(公告)号：CN117421671A

公开(公告)日：2024-01-19

申请号：CN202311732766.4

申请日：2023-12-18

Applicant: 南开大学

Inventor： 宋春瑶 ,  廉亚红 ,  李玉奇 ,  袁晓洁

IPC: G06F18/2415 ,  G06N7/01 ,  G06F16/901 ,  G06F17/16 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种面向引文网络的频率自适应静态异质图节点分类方法，首先从引文网络数据中提取出特征，构建静态异质图；再忽略静态异质图的顶点类型和边类型，通过受约束的马尔可夫过程得到转移状态矩阵收敛时图的稳定的转移状态，再将随机游走概率大于给定阈值的顶点对作为新的类型的边加入到静态异质图中；再通过空间线性映射将不同的顶点类型从原始空间映射到同一向量空间中，再对每个顶点来自一阶邻居的信号分离高频和低频信号，并通过个性化注意力机制为每个顶点聚合高低频信号；最后，通过空间线性映射将顶点的表示向量映射回原始空间，通过加权交叉熵和受约束的注意力机制训练模型，再通过分类器将引文网络数据的顶点进行分类。