-
公开(公告)号：CN113254803B
公开(公告)日：2021-10-22
申请号：CN202110701053.6
申请日：2021-06-24
Applicant: 暨南大学
IPC: G06F16/9536 , G06F40/30 , G06F40/126 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于多特征异质图神经网络的社交推荐方法，该方法包括下述步骤：提取社交网络用户和话题的多种属性信息进行编码；将用户编码信息和话题编码信息分别通过多层感知机得到各用户和话题的初始特征向量表示；以用户和话题作为节点建立异质图，输入异质图神经网络结合注意力机制在图中进行信息传递，更新特征向量表示；对用户特征向量进行相似度计算，选择与用户向量相似度最高的top‑k用户和top‑k话题进行推荐。本发明同时提取用户和话题的多种属性信息，并将用户和话题同时作为节点建立异质图，能更全面地挖掘社交信息，通过异质图神经网络进行信息传递及聚合，深度融合用户及其兴趣话题特征，提高了推荐准确性和用户体验。
-
公开(公告)号：CN112434720B
公开(公告)日：2023-08-29
申请号：CN202011141057.5
申请日：2020-10-22
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/289 , G06F40/216 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的中文短文本分类方法，包括以下步骤：对文本数据进行预处理，得到文本对应的词列表集合；文本特征提取：对本文对应的词列表集合，采用特征嵌入工具进行词嵌入处理，得到对应的词向量；采用图结构进行建图，将文本和文本中的词作为图节点，建立异构图；建立图注意力网络文本分类模型；采用网络开源的带类别标注的中文短文本数据集作为训练语科数据集，采用异构图训练图注意力网络文本分类模型；输出文本所属类别：将节点特征通过softmax分类层得到最终分类的类别；本发明在短文本信息量不足的条件下能够较充分的提取文本特征，并重点关注到对文本分类存在较大价值的信息，有效地提高了分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113254803A
公开(公告)日：2021-08-13
申请号：CN202110701053.6
申请日：2021-06-24
Applicant: 暨南大学
IPC: G06F16/9536 , G06F40/30 , G06F40/126 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于多特征异质图神经网络的社交推荐方法，该方法包括下述步骤：提取社交网络用户和话题的多种属性信息进行编码；将用户编码信息和话题编码信息分别通过多层感知机得到各用户和话题的初始特征向量表示；以用户和话题作为节点建立异质图，输入异质图神经网络结合注意力机制在图中进行信息传递，更新特征向量表示；对用户特征向量进行相似度计算，选择与用户向量相似度最高的top‑k用户和top‑k话题进行推荐。本发明同时提取用户和话题的多种属性信息，并将用户和话题同时作为节点建立异质图，能更全面地挖掘社交信息，通过异质图神经网络进行信息传递及聚合，深度融合用户及其兴趣话题特征，提高了推荐准确性和用户体验。
-
公开(公告)号：CN113254648B
公开(公告)日：2021-10-22
申请号：CN202110689751.9
申请日：2021-06-22
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层次图池化的文本情感分析方法，该方法包括下述步骤：对目标文本进行预处理；将词节点之间的共现点互信息作为词节点之间的边权，为每个文本单独建图；建立多层次图池化模型，门控图神经网络层传递低阶节点信息；第一图自注意力池化层进行初步图池化操作，采用Readout函数提取低阶特征；第二图自注意力池化层再进行图池化操作，通过计算图中各节点的注意力分数对图结构进行剪枝更新，采用Readout函数提取文本图的高阶特征表示；通过特征融合函数得到多层次的最终向量表示；选取最大概率值所对应的情感类别作为文本最终的情感类别输出。本发明从多方面多层次同时挖掘文本特征信息，获得更精准的情感分析效果。
-
公开(公告)号：CN113254648A
公开(公告)日：2021-08-13
申请号：CN202110689751.9
申请日：2021-06-22
Applicant: 暨南大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层次图池化的文本情感分析方法，该方法包括下述步骤：对目标文本进行预处理；将词节点之间的共现点互信息作为词节点之间的边权，为每个文本单独建图；建立多层次图池化模型，门控图神经网络层传递低阶节点信息；第一图自注意力池化层进行初步图池化操作，采用Readout函数提取低阶特征；第二图自注意力池化层再进行图池化操作，通过计算图中各节点的注意力分数对图结构进行剪枝更新，采用Readout函数提取文本图的高阶特征表示；通过特征融合函数得到多层次的最终向量表示；选取最大概率值所对应的情感类别作为文本最终的情感类别输出。本发明从多方面多层次同时挖掘文本特征信息，获得更精准的情感分析效果。
-
公开(公告)号：CN115310587A
公开(公告)日：2022-11-08
申请号：CN202210805143.4
申请日：2022-07-08
Applicant: 暨南大学
Abstract: 本发明公开的属于数据挖掘异常检测技术领域，具体为一种基于桥接自动编码器的图异常节点检测方法，包括具体步骤如下：步骤一，对输入图属性和拓扑信息进行联合建模和异常模式挖掘：采用桥接的属性自动编码器和结构自动编码器对输入图的属性信息和拓扑信息进行联合建模，输出重构属性矩阵和重构邻接矩阵，从属性重构误差Lattr和结构重构误差Lstruct挖掘异常模式；步骤二，对节点编码表示进行图表示向量对比：构建图表示向量对比组件对比整图表示与各节点表示之间的向量距离并将其作为评判异常性质的一个因素，本发明通过桥接结构联合建模其关系，有效缓解了模型因为输入信息存在的冲突导致的表现退化的问题。
-
公开(公告)号：CN112434720A
公开(公告)日：2021-03-02
申请号：CN202011141057.5
申请日：2020-10-22
Applicant: 暨南大学
IPC: G06K9/62 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图注意力网络的中文短文本分类方法，包括以下步骤：对文本数据进行预处理，得到文本对应的词列表集合；文本特征提取：对本文对应的词列表集合，采用特征嵌入工具进行词嵌入处理，得到对应的词向量；采用图结构进行建图，将文本和文本中的词作为图节点，建立异构图；建立图注意力网络文本分类模型；采用网络开源的带类别标注的中文短文本数据集作为训练语科数据集，采用异构图训练图注意力网络文本分类模型；输出文本所属类别：将节点特征通过softmax分类层得到最终分类的类别；本发明在短文本信息量不足的条件下能够较充分的提取文本特征，并重点关注到对文本分类存在较大价值的信息，有效地提高了分类的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
