-
公开(公告)号：CN113095480A
公开(公告)日：2021-07-09
申请号：CN202110312058.X
申请日：2021-03-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及图神经网络技术领域，具体涉及一种基于知识蒸馏的可解释图神经网络表示方法，该方法包括：将图数据输入教师网络，在教师网络中得到概率向量作为软目标；通过温度T将教师网络得到的软目标蒸馏转移到学生网络中，使用软目标以全局近似的方式帮助学生网络学习向量表示；学生网络将节点不同邻居中的关键信息节点进行聚合，得到聚合后的学生网络的软预测向量、硬预测向量以及最终节点表示向量和形成的可解释结果。本发明具有良好的网络表示能力和解释能力，不仅能够有效的表示节点以适用各项下游任务，同时还能够解释得到的表示结果的原因。
-
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：CN114462604A
公开(公告)日：2022-05-10
申请号：CN202210129336.2
申请日：2022-02-11
Applicant: 重庆邮电大学
Abstract: 本发明属于人工智能及自然语言处理领域，具体涉及一种基于概率推理的知识图谱实体对齐方法及装置，包括跨知识图谱分别获取用于训练的实体对齐种子以及与它们相连的关系，将这些实体和关系放入知识图谱表示学习算法当中进行训练；基于训练得到的关系向量，使用向量相似度算法对关系的相似度进行计算，提取出相似度较大的关系对；基于实体对齐种子以及计算得到的关系对，可以迭代的通过概率推理计算未对齐实体的对齐可能性并标注实体对齐结果；本发明通过利用知识图谱表示学习算法以及新颖的知识图谱概率推理算法，能有效提升知识图谱的实体对齐效果。
-
公开(公告)号：CN115169521A
公开(公告)日：2022-10-11
申请号：CN202210884170.5
申请日：2022-07-25
Applicant: 重庆邮电大学
IPC: G06N3/02
Abstract: 本发明属于神经网络解释技术领域，具体涉及一种保持预测顺序和结构依赖关系的图神经网络解释方法；该方法包括：获取原始图数据，将原始图数据输入待解释的图神经网络模型，得到原始的预测结果；采用掩码生成器对原始图数据进行掩码，得到掩码后的子图；将掩码后的子图输入到待解释的图神经网络模型，得到掩码后的预测结果；根据原始预测结果和掩码后的预测结果计算总损失；根据总损失优化掩码生成器，迭代更新掩码生成器参数，直到得到最优掩码生成器；采用最优掩码生成器对原始图数据进行掩码，得到掩码后的子图即原始预测结果的解释；本发明解释可对图神经网络的进行可靠的解释，实用性高。
-
-
-
Search Results
4
records
(took 0.011 seconds)
