-
公开(公告)号：CN118278460A
公开(公告)日：2024-07-02
申请号：CN202410259304.3
申请日：2024-03-07
Applicant: 西北大学
IPC: G06N3/0464 , G06N3/08 , G06Q50/00 , G06F18/24 , G06F18/214 , G06F17/16 , G06F17/18
Abstract: 本申请涉及一种符号网络中基于图卷积神经网络的细粒度信任评估方法，本申请在符号加权有向社交网络中提出一个基于图卷积神经网络(Graph Convolutional Network,GCN)的面向连续信任度的信任评估框架ContTrust，以预测网络中没有显式连接关系的用户对之间的信任度；基于信任关系的方向和信任权重的正负，将目标用户的邻居分为4类，考虑不同潜在因素对目标用户信任度的影响来提升信任评估的性能；设计了四个基于注意力机制的聚合器和多个堆叠的卷积层来捕获社交网络图结构和用户间的信任；使用来自公共真实世界的数据集来评估ContTrust的性能。与信任评估领域两个最流行的基准算法相比，ContTrust在均方根误差(RMSE)和皮尔逊相关系数(PCC)方面可分别提高51.2％和33.1％的性能。
-
公开(公告)号：CN118075884A
公开(公告)日：2024-05-24
申请号：CN202410254640.9
申请日：2024-03-06
Applicant: 西北大学
IPC: H04W72/0453 , H04W72/50 , H04W72/566
Abstract: 本发明公开了一种超密集网络频谱资源分配方法、系统及存储介质，方法包括以下步骤：步骤1，计算用户和子载波在各自通信范围内的对彼此的偏好值，获得用户对子载波的偏好值列表以及子载波对用户的偏好值列表；步骤2，对网络中的子载波资源进行预匹配；步骤3，对子载波进行转移，获得更优的匹配结果。经仿真结果分析，本发明的方法产生的匹配结果是稳定的，保障了用户的最优分配与子载波资源的最佳配置。本发明实现了用户吞吐量需求与子载波资源间的最佳匹配，特别是考虑到不同用户对吞吐量的不同需求与子载波提供的不同吞吐量能力。解决了超密集网络环境下不同用户的吞吐量需求与受限频谱资源间的矛盾。
-
Patent Agency Ranking
公开(公告)号：CN119377492A
公开(公告)日：2025-01-28
申请号：CN202411232192.9
申请日：2024-09-04
Applicant: 西北大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/901 , G06Q50/00
Abstract: 本发明公开了一种基于社交关系构建的信息传播能力提升方法，将社交媒体平台中的用户数据建模为超图，提取用户之间的高阶关系，结合PageRank算法和节点中心度评估用户影响力，基于影响力分析结果，确定对于向特定用户推荐特定信息过程中具有显著影响的关键用户，然后植入虚假用户，并构建虚假用户和关键用户的社交关系，以实现向特定用户定向推送特定信息；从而提高目标信息对于目标网络用户的可见度，提升特定信息对于目标用户的传播能力。本发明探究了在线媒体推荐系统中伪造用户社交关系对信息可见度乃至信息传播能力的影响。相对于其他的投毒攻击方法，本发明所提信息传播能力可见度提升方法性能更佳。
-
公开(公告)号：CN118228213A
公开(公告)日：2024-06-21
申请号：CN202410254642.8
申请日：2024-03-06
Applicant: 西北大学
Abstract: 本发明公开了一种基于特征偏移水印的数据所有权保护方法及系统，方法包括：步骤1，得到水印样本：步骤11，对原始样本添加随机扰动得到扰动样本x′；步骤12，求得辅助变量e的表达式：步骤13，构造无约束的单目标优化问题；步骤14，采用梯度下降法对e进行迭代更新，得到最优的e；步骤2，取证流程：步骤21，随机抽取样本构成样本对检测集；步骤22，使用样本对检测集查询嫌疑模型，得到相应的预测结果；步骤23，根据下式计算得到抽样集合对应的分散度指标向量；步骤24，计算检验统计量T；步骤25，设定两个假设进行假设检验；步骤26，根据计算出的T值和自由度计算p值。本发明不仅能够有效追踪数据使用情况，还能在不知道模型具体训练细节的情况下进行验证，为数据所有权提供了一种新的保护机制，相比其他方法具有较高的灵敏性和隐蔽性。
-
公开(公告)号：CN118210984A
公开(公告)日：2024-06-18
申请号：CN202410276656.X
申请日：2024-03-12
Applicant: 西北大学
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种社交网络中基于超图卷积的用户‑话题兴趣度评估方法：步骤1，定义一个由超边构成的社交网络；步骤2，对步骤1得到的社交网络进行初始网络节点嵌入；步骤3，构建基于超图卷积神经网络(Hypergraph Convolution Network,HGCN)的用户‑话题兴趣度评估模型；步骤4，设计损失函数，对评估模型进行训练，模型输入为初始网络节点嵌入，输出为更新后的用户‑话题节点嵌入；步骤5，采用训练后的模型进行用户‑话题兴趣度预测。本发明能够挖掘隐藏在网络中的高阶社会关系，与现有同类技术相比，在平均绝对误差(MAE)和均方根误差(RMSE)方面最高可以提高各15.57％和16.49％的性能。
-
公开(公告)号：CN118015376A
公开(公告)日：2024-05-10
申请号：CN202410261230.7
申请日：2024-03-07
Applicant: 西北大学
IPC: G06V10/764 , G06V10/82 , G06N3/042 , G06N3/092 , G06Q10/04
Abstract: 本申请涉及一种基于图神经网络的可解释性图分类对抗攻击方法，通过利用因果分析方法指导图中因果域的产生，并且在对抗性扰动的生成过程中考虑攻击成本与隐蔽性；本申请能够更加精确地定位并修改对图神经网络预测结果影响最大的图结构部分，从而以更小的扰动成本实现更高的攻击成功率；本申请通过精心设计的扰动方法对图结构进行修改，保持了扰动样本与原图数据的自然性和一致性，从而实现对于图神经网络模型的用户的对抗攻击，且对于现有防御机制更加难以检测。
-
公开(公告)号：CN119293661A
公开(公告)日：2025-01-10
申请号：CN202411196180.5
申请日：2024-08-29
Applicant: 西北大学
IPC: G06F18/2431 , G06F18/23213 , G06F18/213 , G06F16/9535 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06Q50/00
Abstract: 本申请涉及一种社交网络中兼具个性化与全局特征的节点表示方法，方法包括全局特征捕获、个性化特征保留和社区特征提取；本申请根据图的邻接矩阵计算得到拉普拉斯平滑滤波器，基于拉普拉斯平滑滤波器对初始节点特征矩阵进行多层次的特征聚合，得到每个层次特征聚合后的节点特征矩阵；基于每个层次特征聚合后的节点特征矩阵计算每个层次的权重矩阵；根据每个层次的权重矩阵计算保留个性化特征的组合特征；将组合特征输入到编码器中进行社区特征提取，得到节点嵌入矩阵。本申请能够学习到高质量的节点表示，不仅在节点聚类任务中表现优异，还能在链接预测任务中展现出卓越的性能；与现有方法相比，该方法的性能有显著提升。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
