公开(公告)号：CN116775880A

公开(公告)日：2023-09-19

申请号：CN202310786159.X

申请日：2023-06-29

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  张艺腾 ,  李洪兴 ,  王智莹 ,  邓鹏

IPC: G06F16/35 ,  G06F40/30 ,  G06F18/214 ,  G06F18/24 ,  G06N3/096 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明涉及一种基于标签语义和迁移学习的多标签文本分类方法及系统，属于自然语言处理技术领域。该方法具体为，获取文本数据集并预处理，整理数据集并划分为训练集、验证集和测试集；初始化文本获得文本嵌入；构建语义提取器，获取头部文档表示、尾部文档表示和测试集文档表示；构建头部分类器，获得头部分类器权重；构建标签原型机生成头标签原型、尾标签原型；通过迁移学习预测尾部分类器权重；将头部分类器权重和尾部分类器权重拼接得到用于预测标签的分类器权重并对测试集进行预测。本发明通过迁移学习解决了长尾效应，提高了多标签文本分类任务的精度的效率。

公开(公告)号：CN115482665A

公开(公告)日：2022-12-16

申请号：CN202211109829.6

申请日：2022-09-13

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  李洪兴 ,  于洪 ,  张艺腾 ,  邓鹏

IPC: G08G1/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种知识与数据协同驱动的多粒度交通事故预测方法，属于交通事故预测领域，包括以下步骤：S1：对数据集进行统计和标注；S2：通过特征工程将数据集处理成可用于训练的微观数据特征和宏观知识特征；S3：输入所述微观数据特征和宏观知识特征到多粒度模型中进行训练，并保存表现最佳的模型；S4：向保存下来的模型中输入测试数据，得到未来城市交通事故的预测值。本发明提升了事故预测精度，尤其是节假日事故预测的精度。

公开(公告)号：CN119089995A

公开(公告)日：2024-12-06

申请号：CN202411219852.X

申请日：2024-09-02

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  熊媛媛 ,  张艺腾 ,  于洪 ,  蒋子群 ,  王苗 ,  顾浩麒 ,  邢思昊 ,  罗婉瑜

IPC: G06N5/022 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/047 ,  G06N3/098

Abstract: 本发明涉及一种基于多关系知识增强图卷积网络的知识图谱嵌入方法及系统，属于知识图谱嵌入领域。该方法包括：S1：对输入的知识图谱中的关系进行扩展，引入每种关系的逆关系并添加自循环边；S2：在图神经网络中使用循环相关操作引入实体‑关系组合操作以将关系特征纳入特征传播中，捕捉实体和关系之间的交互模式，并通过注意力机制计算每种关系的权重，学习每个实体在不同关系下的语义变化；S3：在图神经网络的更新函数中，使用节点的所有邻居集合来更新节点嵌入，并更新相应的边；S4：从更新后的节点嵌入和关系嵌入中检索出每个实体和关系的特征矩阵，使用DTAE作为解码器对三元组进行评分。本发明能提高知识图谱嵌入的性能。

公开(公告)号：CN115482665B

公开(公告)日：2023-09-15

申请号：CN202211109829.6

申请日：2022-09-13

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  李洪兴 ,  于洪 ,  张艺腾 ,  邓鹏

IPC: G08G1/01 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种知识与数据协同驱动的多粒度交通事故预测方法，属于交通事故预测领域，包括以下步骤：S1：对数据集进行统计和标注；S2：通过特征工程将数据集处理成可用于训练的微观数据特征和宏观知识特征；S3：输入所述微观数据特征和宏观知识特征到多粒度模型中进行训练，并保存表现最佳的模型；S4：向保存下来的模型中输入测试数据，得到未来城市交通事故的预测值。本发明提升了事故预测精度，尤其是节假日事故预测的精度。

公开(公告)号：CN116384489A

公开(公告)日：2023-07-04

申请号：CN202310386311.5

申请日：2023-04-12

Applicant: 重庆邮电大学

Inventor： 邓维斌 ,  张艺腾 ,  于洪 ,  李洪兴 ,  邓鹏

IPC: G06N5/02 ,  G06N5/025 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于卷积神经网络和注意力机制的知识图谱嵌入方法，属于知识图谱嵌入领域。该方法包括：S1：输入知识图谱数据集，利用向量表示技术将知识图谱数据集中的三元组(h,r,t)转换为k维稠密向量(vh,vr,vt)；S2：将vh重塑为二维矩阵Mh作为卷积层的输入，将vr重塑为卷积层的二维卷积滤波器Mr；S3：在卷积层利用动态自适应空洞卷积神经网络让Mh和Mr得到充分交互，学习到多个尺度的局部特征信息以及全局信息，并用ECA通道注意力机制对特征信息进行过滤，合并每个尺度的特征信息，输出特征向量C；S4：在全连接层特征向量C转化为三元组(h,r,t)的得分。本发明能提高知识图谱嵌入的性能。