-
公开(公告)号：CN114186062B
公开(公告)日：2025-05-02
申请号：CN202111521453.5
申请日：2021-12-13
Applicant: 安徽大学
IPC: G06F16/35 , G06F40/284 , G06F18/2411 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络主题模型的文本分类方法，包括：1、对文本进行预处理；2、将文本中的各个词表示成两种词向量形式；3、对用单词袋表示的词向量，使用神经主题模型(NVDM‑GSM)得到文本的主题分布和主题向量；4、对用Glove模型表示的词向量，以文本中的单词为结点构建图结构，对图的每个结点使用门控图神经网络来获取结点的邻接信息；5、对结点间使用注意力机制；6、利用Softmax分类器对训练后的文档图进行分类。本发明不仅考虑文档中的单词对上下文依赖的特点，还引入注意力机制来权衡不同单词的重要性，并用文档的主题分布和主题向量从全局的角度来指导注意力机制，从而更好的对文本进行分类。
-
公开(公告)号：CN118364906B
公开(公告)日：2024-08-23
申请号：CN202410792134.5
申请日：2024-06-19
Applicant: 安徽大学
IPC: G06N5/022 , G06N5/02 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/214 , G06F18/22
Abstract: 本发明属于人工智能技术领域，具体涉及一种应用可信度感知迭代训练策略实现实体对齐的方法及其对应的服务推荐系统。该方案的核心包括一个关系感知交互图注意力网络，以及一个基于可信度感知迭代训练的自监督机制。其中，图注意力网络用于提取知识图谱中实体和关系的嵌入表示，并可以聚合实体特征和关系特征，并利用注意力机制降低噪声对实体嵌入的影响。在自监督机制中，先由图注意力网络分别提取出两个待对齐处理的知识图谱的嵌入表示，然后不断评估两个知识图谱中各组预对齐实体对的可信度，并将可信度高的实体对逐渐添加为伪对齐种子。本发明克服了现有方案需要依赖大量人工标注的伪对齐种子且易受噪声影响进而导致模型精度不足的缺陷。
-
公开(公告)号：CN118364906A
公开(公告)日：2024-07-19
申请号：CN202410792134.5
申请日：2024-06-19
Applicant: 安徽大学
IPC: G06N5/022 , G06N5/02 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/214 , G06F18/22
Abstract: 本发明属于人工智能技术领域，具体涉及一种应用可信度感知迭代训练策略实现实体对齐的方法及其对应的服务推荐系统。该方案的核心包括一个关系感知交互图注意力网络，以及一个基于可信度感知迭代训练的自监督机制。其中，图注意力网络用于提取知识图谱中实体和关系的嵌入表示，并可以聚合实体特征和关系特征，并利用注意力机制降低噪声对实体嵌入的影响。在自监督机制中，先由图注意力网络分别提取出两个待对齐处理的知识图谱的嵌入表示，然后不断评估两个知识图谱中各组预对齐实体对的可信度，并将可信度高的实体对逐渐添加为伪对齐种子。本发明克服了现有方案需要依赖大量人工标注的伪对齐种子且易受噪声影响进而导致模型精度不足的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN110633422B
公开(公告)日：2022-04-05
申请号：CN201910869989.2
申请日：2019-09-16
Applicant: 安徽大学
IPC: G06F16/9536 , G06F16/958 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于异构信息网络的微博好友推荐方法，其包括步骤：S1、构造微博用户的异构信息网络数据；S2、对异构信息网络中的元路径进行抽取，将异构信息网络转化为同质信息网络；S3、使用图卷积网络得到用户的向量表示；S4、计算不同用户间的相似性并进行相似性的融合。本发明通过对异构信息网络以及图卷积网络的使用，捕获丰富的用户行为信息，并得到高性能的用户向量表示，从而有效提高推荐的精确性。
-
公开(公告)号：CN110533253B
公开(公告)日：2021-05-25
申请号：CN201910832856.8
申请日：2019-09-04
Applicant: 安徽大学
IPC: G06Q10/04 , G06F40/205 , G06N3/04
Abstract: 本发明公开了一种基于异构信息网络的科研合作关系预测方法，包括如下步骤：1、科技文献异构网络转化为作者‑作者同构网络；2、同构网络中作者节点的向量表示；3、作者间的相似度计算。本发明应用于对任意两个尚未合作过的作者，预测他们在未来合作的可能性，从而有效解决作者‑作者同构网络中的信息丢失和单一化问题，以增加合作预测的准确性，帮助学者更高效的进行科学研究。
-
公开(公告)号：CN114186062A
公开(公告)日：2022-03-15
申请号：CN202111521453.5
申请日：2021-12-13
Applicant: 安徽大学
IPC: G06F16/35 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络主题模型的文本分类方法，包括：1、对文本进行预处理；2、将文本中的各个词表示成两种词向量形式；3、对用单词袋表示的词向量，使用神经主题模型(NVDM‑GSM)得到文本的主题分布和主题向量；4、对用Glove模型表示的词向量，以文本中的单词为结点构建图结构，对图的每个结点使用门控图神经网络来获取结点的邻接信息；5、对结点间使用注意力机制；6、利用Softmax分类器对训练后的文档图进行分类。本发明不仅考虑文档中的单词对上下文依赖的特点，还引入注意力机制来权衡不同单词的重要性，并用文档的主题分布和主题向量从全局的角度来指导注意力机制，从而更好的对文本进行分类。
-
公开(公告)号：CN110633422A
公开(公告)日：2019-12-31
申请号：CN201910869989.2
申请日：2019-09-16
Applicant: 安徽大学
IPC: G06F16/9536 , G06F16/958 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于异构信息网络的微博好友推荐方法，其包括步骤：S1、构造微博用户的异构信息网络数据；S2、对异构信息网络中的元路径进行抽取，将异构信息网络转化为同质信息网络；S3、使用图卷积网络得到用户的向量表示；S4、计算不同用户间的相似性并进行相似性的融合。本发明通过对异构信息网络以及图卷积网络的使用，捕获丰富的用户行为信息，并得到高性能的用户向量表示，从而有效提高推荐的精确性。
-
公开(公告)号：CN110533253A
公开(公告)日：2019-12-03
申请号：CN201910832856.8
申请日：2019-09-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于异构信息网络的科研合作关系预测方法，包括如下步骤：1、科技文献异构网络转化为作者-作者同构网络；2、同构网络中作者节点的向量表示；3、作者间的相似度计算。本发明应用于对任意两个尚未合作过的作者，预测他们在未来合作的可能性，从而有效解决作者-作者同构网络中的信息丢失和单一化问题，以增加合作预测的准确性，帮助学者更高效的进行科学研究。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.01 seconds)
