-
公开(公告)号:CN119378659A
公开(公告)日:2025-01-28
申请号:CN202411429715.9
申请日:2024-10-14
Applicant: 重庆邮电大学
Abstract: 本发明涉及图神经网络(GNN)知识编辑领域,特别涉及一种基于药物毒性分类的图神经网络知识编辑方法,所述方法包括:获取待处理药物毒性分类数据集;提取对化学分子进行分类的GNN的图子网;提取图子网中仅保留药物结构特征知识化合物知识的类子网;对仅保留药物结构特征知识的类子网进行筛选提纯;对提纯后的类子网的参数进行优化;对优化目标加入约束;采用一种插件式优化的方法对模型进行优化,得到优化目标,完成知识编辑;使用本发明所述基于药物毒性分类的图神经网络知识编辑方法,可以有效向药物毒性分类模型注入新知识,大幅降低为嵌入知识而对模型进行重训练的成本,提升实际应用的可行性。
-
公开(公告)号:CN111382366B
公开(公告)日:2022-11-25
申请号:CN202010139426.0
申请日:2020-03-03
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/33 , G06F16/35 , G06Q50/00
Abstract: 本发明涉及自然语言处理、网络安全、社交网络、信息提取领域,尤其涉及一种基于语言和非语言特征的社交网络用户识别方法及装置,方法包括收集社交网络用户账号的评论文本,将不同的用户账号两两组合,得到社交网络马甲识别训练集;基于社交网络马甲识别训练集,从中提取语言和非语言的特征,将语言和非语言特征进行横向拼接;使用SVM模型对数据集进行训练,得到马甲识别模型,利用特征选择技术贪心算法选择最优的特征组合;将提取实时的两个用户的最优的特征组合,并将该特征组合输入SVM模型,即可识别出这两个用户账户是否为同一个用户操纵;本发明适用于任何的社交网络平台,模型简单、高效,对于识别马甲账号也有较高的准确率。
-
公开(公告)号:CN112163170B
公开(公告)日:2022-10-18
申请号:CN202011082763.7
申请日:2020-10-12
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明属于社交网络分析领域,具体涉及一种基于虚节点和元学习改进社交网络对齐的方法,包括跨社交网络分别添加成对虚节点,加入虚节点后的社交网络在图表示算法中进行新的训练,利用虚节点使得社交网络的向量表示空间变得更加稀疏;利用元学习通过不同的社交网络数据得到对齐所需的先验知识,半监督环境下聚合锚节点周围邻居的信息来更新虚节点的向量,在跨网络环境下利用先验知识去更新测试数据中虚节点的更新方向,虚节点找到在对齐工作中的最佳位置;本发明可以改进利用图表示算法进行的社交网络对齐工作,从表示向量的本质出发,有效的改变了节点表示的训练方式,提升这些算法的准确率。
-
公开(公告)号:CN114691934A
公开(公告)日:2022-07-01
申请号:CN202210259737.X
申请日:2022-03-16
Applicant: 重庆邮电大学
IPC: G06F16/901 , G06K9/62 , G06Q50/00
Abstract: 本发明请求保护一种融合社区连接信息的网络嵌入方法及存储介质,具体涉及表示领域,用于复杂网络分析,包括以下步骤:根据输入数据建立无向网络;通过Louvain算法获得网络中的社区信息;使用CR‑JC相似度计算社区间亲密度;通过随机游走以及社区跳跃游走获取融合局部信息,社区内信息,社区间信息的节点序列;使用Skip‑Gram模型最大化窗口中节点同现的概率获得节点嵌入,并用于下游网络分析任务。本发明通过融合社区连接信息的网络嵌入,捕获网络中的局部信息和社区信息,提高下游任务的准确率。
-
公开(公告)号:CN114662069A
公开(公告)日:2022-06-24
申请号:CN202210261084.9
申请日:2022-03-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于鼠标交互行为的持续身份认证方法、存储介质及系统,具体涉及持续身份认证领域,所述方法包括收集用户操作计算机的鼠标数据并对收集的数据进行异常处理;将多个鼠标操作组成的数据序列划分为有意义的鼠标行为,基于鼠标行为从多方面挖掘鼠标行为特征;将获得的鼠标行为特征训练二分类算法得到分类模型,结合分类模型和信任模型得到用户最终的身份认证模型;该模型可以每收集一个鼠标行为,就进行分类得分的计算,然后信任函数根据分类得分更新用户的信任值,当信任值低于阈值时,用户将被锁定。本发明可以在收集较少的鼠标行为下识别出非法用户,同时合法用户也能执行较多的鼠标行为才可能被误判。
-
公开(公告)号:CN113095478A
公开(公告)日:2021-07-09
申请号:CN202110300668.8
申请日:2021-03-22
Applicant: 重庆邮电大学
Abstract: 本发明属于图神经网络分析领域,具体涉及一种基于图数据中节点之间相关性的图神经网络攻击方法,包括构建代理模型并对该模型进行优化训练;代理模型训练好以后,将代理模型线性化,去掉网络结构中所有的激活函数;计算代理模型对目标点进行分类之后的每个节点之间的相关度;若正确类中相关度最高两点之间存在边关系,则计算删除该边后的影响值;若第二可能类中相关度最高两点之间不存在边关系,则计算连接两个后的影响值;将上述影响值最小的作为当前修改,将本次修改后的图作为下一次攻击的起始图;重复以上操作进行K次迭代,K次迭代后的图作为最终的扰动样本;本发明有效提升目标模型与代理模型的一致性,提升了攻击的成功率。
-
公开(公告)号:CN112487305A
公开(公告)日:2021-03-12
申请号:CN202011388770.X
申请日:2020-12-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于GCN的动态社交用户对齐方法,属于网络分析领域。利用源网络和目标网络中的节点与边的结构和关系,组合成一个融合网络Z,用于保存两个网络中的节点与边的结构,并作为模型的初始输入结构,且根据网络动态变化的时间序列,生成一系列网络快照Z1,Z2,...ZT;最后通过一个全连接层输出网络表示,同时在全连接层定义一个损失函数进行节点分类,分出潜在锚节点与非锚节点。本发明可以在深层神经网络模型下完成动态网络的用户对齐任务,有效保存网络结构信息、属性信息和时间信息等多维信息,解决动态网络用户对齐任务模型重训练、训练信息单一等问题。
-
公开(公告)号:CN110825861A
公开(公告)日:2020-02-21
申请号:CN201911073080.2
申请日:2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/35 , G06K9/62
Abstract: 本发明涉及自然语言处理领域,特别涉及一种基于分布式表示模型困惑度的人机对话方法;本方法包括:获取文本数据;对文本数据进行处理,得到BERT模型和模型困惑度特征向量;将文本数据转换为768维句向量;利用768维句向量训练t-SNE模型,并结合k得到3维向量;利用3维向量训练单分类One-Class SVM模型,并判别输入数据属于域内还是域外;利用768维句向量训练逻辑回归文本分类模型,并对文本数据进行领域内分类;输入文本数据,判断输入的数据为域内还是域外,并做出回答;本发明实现了对文本域内域外的判断,从而判别出用户输入是否在问答系统解决能力范围内,避免了问答系统对不知情的问题乱回答的现象。
-
公开(公告)号:CN118940815A
公开(公告)日:2024-11-12
申请号:CN202410989285.X
申请日:2024-07-23
Applicant: 重庆邮电大学
Abstract: 本发明属于图神经网络解释领域,涉及一种基于代理模型的图神经网络简化解释方法,包括:获取社交网络的大型图结构数据,将社交网络的大型图结构数据输入训练好的图神经网络简化解释模型,得到解释子图;图神经网络简化解释模型的训练过程包括:获取社交网络的大型图结构数据集,即大图;将大图输入训练好的聚合切分模型,得到小图;将小图输入训练好的图神经网络模型,得到预测值;利用训练好的图神经网络模型、小图以及预测值训练解释模型,得到训练好的解释模型;本发明应用切分聚合算法形成小图,在小图上运用解释模型来间接地解释大图,在保证解释质量的同时大大减少了解释模型应用在大规模图数据集的训练时间,提高了训练效率。
-
公开(公告)号:CN116628547A
公开(公告)日:2023-08-22
申请号:CN202310563764.0
申请日:2023-05-18
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明属于图神经网络分析领域,具体涉及一种基于解释子图的图神经网络攻击防御方法及系统;该方法包括:使用反事实解释器,得到社交网路中目标用户节点的第一反事实解释子图;进行第一次注入攻击,得到第二反事实解释子图;将第二反事实解释子图输入到图神经网络分类模型中,得到第一阶段引导攻击结果;使用事实解释器,得到社交网路中目标用户节点的第一解释子图;进行第二次注入攻击,得到第二解释子图;将第二解释子图输入到图神经网络分类模型中,得到第二阶段引导攻击结果;当攻击成功时,对图神经网络分类模型进行优化,得到优化后的图神经网络分类模型;本发明攻击效果好,可为设计出更具鲁棒性的图神经网络模型提供思路和灵感。
-
-
-
-
-
-
-
-
-