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

Inventor： 尹小燕 ,  贺帅帅 ,  林瑶 ,  薛文慧 ,  徐舒婷 ,  魏潇然 ,  李佳 ,  陈晓江 ,  房鼎益

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

Inventor： 尹小燕 ,  王嘉乐 ,  林瑶 ,  薛文慧 ,  李佳 ,  魏潇然 ,  陈晓江 ,  房鼎益

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。