-
公开(公告)号：CN116383399A
公开(公告)日：2023-07-04
申请号：CN202310198128.2
申请日：2023-03-01
Applicant: 武汉大学
Abstract: 本发明提供一种事件舆情风险预测方法及系统，属于深度学习技术领域，包括：采集原始事件信息序列和事件关联数据，预处理后得到事件信息序列；构建事件关联知识图谱后获得事件结点表示向量；由事件结点表示向量得到对象外部产业知识表示向量，由事件信息序列和对象外部产业知识表示向量得到事件信息表示向量；构建风险信息传导网络，将风险信息传导网络输入时序图注意力网络，获得目标对象任一时刻风险表示向量；将目标对象任一时刻风险表示向量输入预设神经网络进行训练，得到目标对象任一时刻舆情风险预测值。本发明能有效地从事件信息中学习目标对象相关的风险信息以及舆情风险在对象关联中和随时间的传导特征，具有良好的事件风险预测性能。
-
公开(公告)号：CN119494732A
公开(公告)日：2025-02-21
申请号：CN202411520200.X
申请日：2024-10-29
Applicant: 武汉大学
Abstract: 本发明公开一种基于股权知识图谱学习的实际控制人挖掘方法及装置。实际控制人被定义为处于一个获胜的稳定联盟中的股东，联盟内成员在投票过程中作出一致决定，并获取控制。该方法通过构建股权知识图谱，组织与表示了股权网络中的股东间的多种复杂关系。为挖掘获胜稳定联盟，设计了一个多维关联聚合神经网络，根据股东间不同类型关系的信息预测一致行动的可能性。并基于聚合信息设置元路径聚合神经网络，通过垂直捕捉股权知识图谱中的持股路径来编码股权结构。为了确定获胜稳定联盟，该方法提出控制神经网络来模拟股东的投票过程。本发明能够有效解决因股权网络中复杂多维关系导致的实际控制人挖掘中低精确度和高时间成本问题。
-
Search Results
2
records
(took 0.012 seconds)
