-
公开(公告)号：CN119782623A
公开(公告)日：2025-04-08
申请号：CN202411979263.1
申请日：2024-12-31
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F18/22 , G06F40/30 , G06N5/04 , G06N3/042 , G06N3/045 , G06N3/0499
Abstract: 本发明一种基于数据因果图与反事实推理的用户偏好预测方法、系统及存储介质，涉及行为序列推荐领域，为解决现有的评分公式未充分考虑物品文本信息，且缺乏针对性去偏操作，可能将模型固有的偏差传递至最终的推荐结果中的问题。包括：步骤1、采集用户‑物品交互和物品文本数据；步骤2、构建大模型，基于大模型的序列推荐构建数据因果图，进行干预操作构建反事实世界并进行评分预测，通过计算序列与物品在真实世界和反事实世界中的匹配度、计算在真实世界和反事实世界中物品文本和序列的联合特征匹配度以及计算文本信息与序列的匹配程度，并引入超参λ2控制文本信息对结果的影响尺度，生成最终的预测评分公式；步骤3、通过大模型生成推荐结果。
-
公开(公告)号：CN119583368A
公开(公告)日：2025-03-07
申请号：CN202411431193.6
申请日：2024-10-14
Applicant: 哈尔滨工业大学
IPC: H04L41/147 , G06N3/0442 , G06N3/049 , G06N3/048 , G06N3/042 , G06N3/08 , G06F18/22 , G06F18/24 , H04L41/14 , H04L41/16
Abstract: 一种基于分层对比学习的时序异构网络链路预测方法及系统，涉及时序异构网络预测技术领域。本发明的目的是从节点级，边级和时间级三个不同微观视角对网络中的空间复杂性和时序复杂性进行挖掘和建模，以实现现实世界中时序异构网络中的节点连接行为的预测。技术要点：通过提出的链路预测方法存储节点表示向量的异构结构信息，捕获异构网络的时序演化过程，同时，捕捉异构快照之间的拓扑依赖关系，刻画复杂时序异构网络中的分布模式，从而预测实体之间动态和复杂的连接关系。不同节点和边之间的细粒度差分关系以及演变范式的区别直接影响表征学习，很大程度上影响链接预测的性能。本发明在社交推荐、交通管理中用于预测实体之间动态和复杂的连接关系。
-
公开(公告)号：CN118916786A
公开(公告)日：2024-11-08
申请号：CN202411043427.X
申请日：2024-07-31
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于时序异构图注意力网络的动态链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取时序异构网络的时序异构图；将时序异构图按照时间顺序划分为训练集和测试集，获取预测时间；基于训练集和测试集训练获得链路预测模型；将待预测时序异构网络数据输入训练好的链路预测模型中进行链路预测；其中，对于异构性，使用异构邻居随机游走来捕获异构信息；对于时序信息，使用时间编码器对时间信息进行编码；对于新节点，使用归纳图表示学习方法，聚合节点邻域的结构特征，从而快速生成新子图中的节点嵌入。本发明在时序异构网络链路预测任务上具有显著优势。
-
公开(公告)号：CN117171448A
公开(公告)日：2023-12-05
申请号：CN202311015948.X
申请日：2023-08-11
Applicant: 哈尔滨工业大学
IPC: G06F16/9536 , G06F16/9535 , G06N3/09 , G06N3/04 , G06N3/045
Abstract: 一种基于图神经网络的多行为社会化推荐方法及系统，涉及推荐技术领域，为了解决现在的推荐方法没有区分与交互行为相关联的信任传播过程。本发明提出一个多行为社会化推荐框架MB‑Soc模型，该模型将细粒度的多行为信息集成到社交推荐架构中，MB‑Soc架构由四个主要部分组成：嵌入层、传播层、多行为集成层和预测层。本发明提出了一种全新的多行为社会化推荐框架MB‑Soc来探索社交推荐中的细粒度信任传播过程，对实体的多种类行为在社交网络中的传播进行区分，并完成在社会化推荐场景下的差分化传播。本发明完成了在真实数据集上的可扩展实验，大量实验证明了本发明所提出的MB‑Soc模型的优越性和有效性。
-
公开(公告)号：CN110390018A
公开(公告)日：2019-10-29
申请号：CN201910680645.7
申请日：2019-07-25
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/951 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 一种基于LSTM的社交网络评论生成方法，属于社交网络评论生成技术领域。本发明为了解现有的社交网络评论生成技术所应用的场景过于狭窄单一、无法对舆情引提供素材库的问题。本发明使用基于LSTM学习的NLG技术，通过学习获得的每个字符之间的概率关系来对句子结构的视觉语义、字符的种类以及每一个字符进行编码。对想要表达的评论信息进行了语义和句法方面的融合，并后期通过特定词替换等方法，生成与社交网络几乎一致的生动、通顺、富于变化的高质量评论文本。本发明为舆情引导提供有利的素材语料库，通过传播更多的真实、值得信赖的言论，还原出正能量的网络环境。本发明可作为素材语料库输入到现有的舆情引导的系统中，用于社交网络特定领域评论生成。
-
Patent Agency Ranking
公开(公告)号：CN117933304B
公开(公告)日：2024-06-28
申请号：CN202410177123.6
申请日：2024-02-08
Applicant: 哈尔滨工业大学
IPC: G06N3/044 , G06N3/042 , G06N3/0895
Abstract: 一种基于自监督的多视角会话推荐桥接模型，涉及会话推荐技术领域，本发明为了解决现有的会话推荐模型没有将基于序列和基于图的会话推荐方案进行整合，没有实现在整合图模式和序列模式的同时保留相应的特征以最大化单一模式优势并提高会话推荐模型整体性能，从图到序列的转换过程伴随着结构和会话间信息的丢失等问题。本发明利用自监督学习框架将基于序列和基于图的会话推荐这两种方案结合起来，将图模式和序列模式视为两个单独的通道，通过对比学习架构集成了上述两个通道。在DC‑Rec模型中，通过通道间对比桥接模块在会话中吸收图和序列知识。通过最大化两个通道之间的互信息，将两种模式信息进行了较为充分的融合。实验结果表明DC‑Rec始终优于其他最先进的会话推荐方法。
-
公开(公告)号：CN117151279A
公开(公告)日：2023-12-01
申请号：CN202311025770.7
申请日：2023-08-15
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/00 , G06F16/22 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 一种基于线图神经网络的同构网络链路预测方法及系统，涉及网络链路预测领域，旨在通过深度学习技术自动挖掘、学习静态同构网络中有利于链路预测的特征信息，用于同构网络上的链路预测任务，且在学习的过程中需要采取方法尽量减少信息损失，提升同构网络上链路预测的精度。本发明采用基于深度学习的方法解决了针对复杂网络中的同构信息网络下的链路预测问题，本发明提出了利用线图神经网络的同构网络链路预测算法NLG‑GNN。该方法通过提取出局部子图的方式来处理大规模网络，能进一步通过线图转换，将链路信息聚集在一个线图节点中，减少信息损失。结合图神经网络和图嵌入方法获取线图中节点的结构特征和潜在特征，进而完成链路预测任务。
-
公开(公告)号：CN115660147A
公开(公告)日：2023-01-31
申请号：CN202211171903.7
申请日：2022-09-26
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 一种基于传播路径间与传播路径内影响力建模的信息传播预测方法及系统，涉及信息传播预测技术领域，用以解决在一段时间之后信息在社交网络中流行度增长量的预测问题。本发明的技术要点包括：使用图神经网络对级联图进行建模，得到聚合邻居节点状态与特征的节点表示；通过深度游走算法对整体级联网络图进行采样，获得级联图的序列集合，将图形神经网络嵌入表示与Deepwalk嵌入表示进行拼接来更新序列中各个节点的信息；将附有邻居信息的节点表示序列输入双向LSTM中，同时将时序信息经过注意力机制引导对序列进行整合，增强了级联预测模型的理解能力与预测能力。本发明兼顾级联传播路径间与传播路径内影响力传递性，以及纳入时序与结构因素互补性的有效性。
-
公开(公告)号：CN119004255A
公开(公告)日：2024-11-22
申请号：CN202411043419.5
申请日：2024-07-31
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/213 , G06F18/25 , G06N3/042 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于图注意力网络的静态异构网络链路预测方法及系统，涉及网络链路预测技术领域。本发明的技术要点包括：获取异构网络训练数据集和测试数据集，数据集包括异构图；利用预设的元路径在边类型为r的异构图上进行随机游走以生成路径集合，并从路径集合中获得样本批次；基于训练数据集和测试数据集训练链路预测模型；将待预测异构网络数据输入训练好的链路预测模型中进行链路预测。本发明在静态异构网络链路预测任务上具有显著优势。
-
公开(公告)号：CN118797155A
公开(公告)日：2024-10-18
申请号：CN202410789176.3
申请日：2024-06-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F40/30 , G06V30/41 , G06V30/40 , G06V30/148 , G06V30/19 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
