一种基于双曲几何知识表示的社交网络实体推理方法

    公开(公告)号:CN117112924A

    公开(公告)日:2023-11-24

    申请号:CN202311073646.8

    申请日:2023-08-24

    Abstract: 本发明实现了一种基于双曲几何知识表示的社交网络实体推理方法。首先获取社交网络图谱与待推荐的用户,将社交网络图谱与待推荐的用户输入所述查询表示计算模块,将查询表示和用户实体表示输入所述实体推理模块;在所述查询表示计算模块,计算得到查询的几何向量表示所述实体推理模块输入查询的几何向量表示,转换为最终的查询表示后,与所述实体表示共同用于距离计算,得到查询表示与实体表示的距离,并从中取出topk用户实体,得到最终的推理结果实体。本方案构建双曲空间上的几何向量表示框架,借鉴韦恩图的思路在表示空间上设计了相应的并、交、补等逻辑运算。通过查询的几何表示与实体表示之间的距离得到最终的推理结果。

    一种基于生成对抗网络模型的多层学术网络社区发现方法、系统

    公开(公告)号:CN111210002B

    公开(公告)日:2022-01-28

    申请号:CN201911393726.5

    申请日:2019-12-30

    Abstract: 本发明实现了一套基于生成对抗网络模型的多层学术网络社区发现方法及其系统,基于GAN模型学习多层网络的嵌入表示,通过构建多层学术网络;使用生成对抗模型学习节点嵌入表示:生成器生成层内节点对和层间节点对作为伪样本,判别器判别数据是否为真实数据分布;生成器和判别器迭代更新进行对抗学习;使用基于K‑means聚类的方法发现社团的步骤,实现对于网络来源的学者信息的处理,发现其中多层网络结构所能提供的关系网络的深层信息,并使其算法和系统更具有鲁棒性。

    一种支持高阶邻近性的大规模网络嵌入方法与装置

    公开(公告)号:CN113312842A

    公开(公告)日:2021-08-27

    申请号:CN202110589783.1

    申请日:2021-05-28

    Abstract: 本发明通过网络技术领域的方法,实现了一种支持高阶邻近性的大规模网络嵌入方法与装置。方法包括四个步骤:步骤一:应用随机游走器,获取数据样本;步骤二:利用样本,提取局部相似性和全局等价性;步骤三:通过联合优化器同时学习局部相似性和全局等价性,综合步骤二中的高阶邻近信息,计算联合目标函数后,进行随机梯度下降优化,更新模型参数和嵌入向量;步骤四:重复上述过程,直至达到设定迭代次数,最后输出包含高阶临近性质的嵌入向量。其中随机游走器可以直接构造高阶临近矩阵、采用降低成本的随机游走方式或采用重启式随机游走器的方法实现。这一方法能够保留局部相似性和全局等价性,以及高阶邻近信息的同时,解决空间和计算的问题。

    一种基于高密子图检测的社交机器人群体检测方法

    公开(公告)号:CN117194809A

    公开(公告)日:2023-12-08

    申请号:CN202311073534.2

    申请日:2023-08-24

    Abstract: 本发明实现了一种基于高密子图检测的社交机器人群体检测方法。首先将社交网络图内容输入张量构建模块,通过将社交关系网络转化为关系张量,抽取文本内容特征计算重复率和相似度,而后计算可疑度分数,最后计算高密度子图信息的步骤,得到根据社交网络构建的关系张量并输入高密度子图挖掘模块;高密度子图挖掘模块输入关系张量,从高密度子图获取源用户群体,最终检测出社交网络中稠密度高的社交机器人群体。通过上述手段,本发明可以检测社交网络中短期间具有异常协作行为的社交机器人群体,观测到短期间群体间的异常协作行为。

    一种基于生成对抗网络模型的多层学术网络社区发现方法、系统

    公开(公告)号:CN111210002A

    公开(公告)日:2020-05-29

    申请号:CN201911393726.5

    申请日:2019-12-30

    Abstract: 本发明实现了一套基于生成对抗网络模型的多层学术网络社区发现方法及其系统,基于GAN模型学习多层网络的嵌入表示,通过构建多层学术网络;使用生成对抗模型学习节点嵌入表示:生成器生成层内节点对和层间节点对作为伪样本,判别器判别数据是否为真实数据分布;生成器和判别器迭代更新进行对抗学习;使用基于K-means聚类的方法发现社团的步骤,实现对于网络来源的学者信息的处理,发现其中多层网络结构所能提供的关系网络的深层信息,并使其算法和系统更具有鲁棒性。

    一种基于多时间尺度行为分析的异常访问检测方法与装置

    公开(公告)号:CN117997606A

    公开(公告)日:2024-05-07

    申请号:CN202410059139.7

    申请日:2024-01-16

    Abstract: 本发明通过网络安全领域的方法,实现了一种基于多时间尺度行为分析的异常访问检测方法以及装置。方法面向网络访问行为数据,首先采集待测网络环境中的访问流量并进行协议解析;随后在短期、中期、长期三个时间尺度下分别聚合访问数据;针对每个时间尺度下的行为序列构建行为关联图;而后对长期尺度、中期尺度、短期尺度的关联图进行节点嵌入,获得节点嵌入结果;在此基础上,基于面向本发明的场景改进的多任务学习框架实现异常行为检测,基于异常检测结果绘制可视化输出界面,产生相应的告警与访问阻断建议。实现了高效的多尺度异常访问行为检测。

    一种化学分子结构的图神经网络表征方法及装置

    公开(公告)号:CN113314189A

    公开(公告)日:2021-08-27

    申请号:CN202110589957.4

    申请日:2021-05-28

    Abstract: 本发明通过机器学习领域的方法,实现了一种化学分子结构的图神经网络表征方法及装置。包括三个步骤,步骤一为子图采样和编码步骤,进行子图采样并使用图神经网络对子图进行编码;步骤二为显著性子图选择步骤,引入强化学习筛选显著子图机制构建有限的马尔可夫过程解决显著子图选择中先验知识不足的问题;步骤三为子图骨架图构建和层次化聚合步骤,构造子图骨架图并进行子图内和子图间的层次化信息聚合,并通过自监督互信息增强机制,实现一个图神经网络表征新框架,最终实现自动高精度获得子图表征、自适应地捕捉化学分子结构的重要局部结构、可明确指出导致化学分子结构性质预测结果的具体局部结构的方法。

    一种基于关联分析的社交网络传播主干结构发现方法

    公开(公告)号:CN117194808A

    公开(公告)日:2023-12-08

    申请号:CN202311073476.3

    申请日:2023-08-24

    Abstract: 本发明实现了一种基于关联分析的社交网络传播主干结构发现方法。由用户重要性度量模块和传播主干结构学习模块组成,首先输入社交媒体特定话题数据社交网络库,提取社交网络的用户表征;用户重要性度量模块将所述用户表征;而后挑选top‑k社交网络中的关键用户及其周围邻居用户构成的关键用户群体,输入所述传播主干结构学习模块;传播主干结构学习模块包括用户关联关系子模块以及用户交互性子模块,输出传播主干结构。从而实现挖掘社交网络中关键用户的同时可以获取周围用户群体的关联信息,获得社交网络特定话题下的信息传播主干网络的效果。

Patent Agency Ranking