公开(公告)号：CN109299783A

公开(公告)日：2019-02-01

申请号：CN201811547553.3

申请日：2018-12-18

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  张伟哲 ,  杨洪伟 ,  方滨兴 ,  李韬 ,  周奉兰 ,  白雅雯

IPC: G06N7/00 ,  G06F16/953

Abstract: 基于异构域迁移的舆情角色识别迁移系统，涉及数据挖掘和机器学习领域。为了解决现有技术面对纷繁复杂的网民信息无法进行有效地提取知识，不能在不同领域之间进行迁移学习，进而无法实现知识间接的共享的问题。所述系统为基于马尔科夫逻辑网的建立的舆情角色识别迁移模型，包括数据谓词化模块、结构学习模块、知识提取模块、知识迁移模块和参数学习模块，将领域知识谓词化转换成模型可以识别的知识进行结构学习并提取需要迁移的知识到目标域完成知识迁移，再通过参数学习模块进行参数学习获得迁移学习后的模型。采用将转换复杂度融入领域距离以及考虑单源域到单目标域的迁移学习界限的技术手段，实现了面对纷繁复杂的网民信息有效地提取迁移。

公开(公告)号：CN112085085B

公开(公告)日：2024-02-23

申请号：CN202010917529.5

申请日：2020-09-03

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  何慧 ,  方滨兴 ,  杨洪伟 ,  白雅雯

IPC: G06N20/00 ,  G06F18/241 ,  G06F18/22

Abstract: 一种基于图结构的多源迁移学习方法，属于人工智能领域，为了解决单纯利用图结构数据的节点实体特征不能准确预测目标域节点标签的问题。该方法通过构建节点T‑邻域结构，获得T‑邻域结构集合；并对T‑邻域结构集合进行去重，获得子图集B；通过学习子图集B，获得通用结构；利用通用结构分别获得源域节点结构特征和目标域节点结构特征；将节点实体特征和节点结构特征相结合，分别获得源域新特征和目标域新特征，从而获得目标域节点标签。本发明方法可以应用于目标任务相同的同构迁移学习和异构迁移学习，在具有图结构的数据中具有很好的预测效果，可以对一个新未知网络进行较为准确的节点标签信息预测。

公开(公告)号：CN112085085A

公开(公告)日：2020-12-15

申请号：CN202010917529.5

申请日：2020-09-03

Applicant: 哈尔滨工业大学

Inventor： 张伟哲 ,  何慧 ,  方滨兴 ,  杨洪伟 ,  白雅雯

IPC: G06K9/62 ,  G06F16/901 ,  G06N20/00

Abstract: 一种基于图结构的多源迁移学习方法，属于人工智能领域，为了解决单纯利用图结构数据的节点实体特征不能准确预测目标域节点标签的问题。该方法通过构建节点T‑邻域结构，获得T‑邻域结构集合；并对T‑邻域结构集合进行去重，获得子图集B；通过学习子图集B，获得通用结构；利用通用结构分别获得源域节点结构特征和目标域节点结构特征；将节点实体特征和节点结构特征相结合，分别获得源域新特征和目标域新特征，从而获得目标域节点标签。本发明方法可以应用于目标任务相同的同构迁移学习和异构迁移学习，在具有图结构的数据中具有很好的预测效果，可以对一个新未知网络进行较为准确的节点标签信息预测。

公开(公告)号：CN109635951A

公开(公告)日：2019-04-16

申请号：CN201811547551.4

申请日：2018-12-18

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  张伟哲 ,  方滨兴 ,  杨洪伟 ,  李韬 ,  白雅雯

IPC: G06N7/00

CPC classification number: G06N7/00

Abstract: 基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法及系统，涉及数据标定技术领域。本发明为了有效地提高数据标定准确率。加权分布对齐能够权衡样本数据的边际概率分布和条件概率分布的重要性，进而减小领域间的差异；几何特征对齐不但能进一步挖掘领域间样本数据的几何特征，而且通过图拉布拉斯正则化可以很好的保持样本数据空间的几何结构，进而提高样本可分性和数据标定的准确性。通过与其他方法进行实验对比，本发明开发的系统—基于加权分布对齐和几何特征对齐的无监督跨领域自适应数据标定方法可以有效地提高数据标定准确率。