公开(公告)号：CN115600765A

公开(公告)日：2023-01-13

申请号：CN202211464011.6

申请日：2022-11-17

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)(CN)

Inventor： 韩培义 ,  许文博 ,  刘川意 ,  段少明 ,  潘鹤中

IPC: G06Q10/04 ,  G06Q50/18 ,  G06F16/215 ,  G06F16/29 ,  G06N3/0464 ,  G06N3/08 ,  G01S19/42

Abstract: 基于图神经网络的安全事件预测方法、电子设备及存储介质，属于安全事件风险预测技术领域。为解决个体人员安全事件风险预测的问题。本发明采集人员基本信息数据，GPS时空轨迹数据，进行数据清洗，提取融合图节点特征，得到人员节点特征数据，地点节点特征数据，构建多维人员信息轨迹融合图，构建基于图神经网络的个体安全事件预测模型，将构建的多维人员信息轨迹融合图输入基于图神经网络的个体安全事件预测模型中进行安全事件预测。本发明为分析个体人员安全事件风险提供了融合信息特征，全面立体的挖掘人员自身的特点以及人员活动规律的特点，判断人员近期可能发生安全事件行为的风险是高或者低。

公开(公告)号：CN115600012A

公开(公告)日：2023-01-13

申请号：CN202211523157.3

申请日：2022-12-01

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)(CN)

Inventor： 高翠芸 ,  陈雨佳 ,  贾焰 ,  廖清 ,  刘川意 ,  蒋琳 ,  韩培义

IPC: G06F16/9535 ,  G06F8/75 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于知识增强和结构对比的API推荐方法，包括以下步骤：步骤1，代码预处理构图；解析源代码，提取方法、API和结构节点以及它们之间的关系，构成调用关系图和层次结构图；步骤2，知识增强的图嵌入学习；使用图卷积神经网络GCN在调用关系图上传播信息来细化方法和API的初始嵌入表示，同时用翻译模型TransH学习层次结构图中的实体和关系的嵌入表示；步骤3，多任务学习；包括主要的API推荐任务和辅助的对比学习任务。本发明的有益效果是：本发明提出了知识增强的图嵌入学习，使得方法和API的嵌入向量中不仅建模了调用交互还融合了代码中的层次结构信息，优化了方法和API的表示，达到更准确的推荐效果。