-
公开(公告)号:CN116187388A
公开(公告)日:2023-05-30
申请号:CN202310055699.0
申请日:2023-01-17
Applicant: 南开大学
IPC: G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双曲图神经网络的时序链路预测方法,用于动态网络上的时序链路预测问题。通过图扩散卷积过程,学习到网络快照中每个节点受较大范围内邻接节点的影响,学习到网络的空间拓扑结构特征;通过因果扩展卷积,捕获不同网络快照之间的因果关系,由此获得动态网络随时间演化的规律;为对具有幂律分布的现实世界网络数据具有更强的表达能力,本方法完全构建在与幂率分布相合的双曲空间上。与本领域现有技术相比,本发明在空间上能够捕获更大范围的特征,在时间上能够学习网络演化的内在因果次序,且运算空间与现实世界数据分布一致,明显提高了在链路预测任务上的性能。
-
公开(公告)号:CN116451171A
公开(公告)日:2023-07-18
申请号:CN202310232391.9
申请日:2023-03-10
Applicant: 南开大学
IPC: G06F18/25 , G06F16/2458 , G06F18/241 , G06F18/2413 , G06Q50/20
Abstract: 本发明公开了一种基于自适应特征交叉的高校学生画像生成方法,首先收集高校学生在校行为相关的各种特征数据,并对收集的特征数据进行预处理;然后将预处理后的各种特征数据,利用学生学籍信息作为学生基本属性进行特征增强处理,得到经过特征增强的中间特征;再使用可训练权重参数对经过特征增强的中间特征进行自适应交叉,然后将自适应交叉结果送入MLP进行特征融合,学习学生不同维度标签得分;最后对学生在不同维度标签的得分进行可视化表示,得到学生画像的可视化表示。该方法使用MLP利用学生的在校行为数据抽象出标签化的学生模型,对学生分类培养、教师教育教学、校园活动开展、完善评价体系具有重要价值,帮助高校提高教育管理说服力。
-