“宫继兵”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果22个，建议您升级VIP下载更多相关专利

[发明专利]一种融合抽象语法树节点特征的代码摘要生成方法-CN202310779964.X在审
发明人： 宫继兵;李学文 -专利权人：燕山大学
申请日： 2023-06-29 - 公布日： 2023-09-29 - 主分类号： G06F8/73 文献下载
摘要：本发明公开了一种融合抽象语法树节点特征的代码摘要生成方法，属于软件工程技术相关领域。该方法首先为每一个源代码片段构造一个抽象语法树，然后利用Transformer编码器对源代码序列特征进行表示，其次对节点在抽象语法树层序遍历中的位置以及节点度进行编码后与节点自身属性特征融合输入到图卷积神经网络中学习各个节点的特征，最后将得到的节点特征与源代码序列特征融合使用Transformer解码器进行摘要预测。本发明能够有效利用源代码的语法信息，充分挖掘抽象语法树中的结构信息，丰富了源代码语义的表示，提升了代码摘要生成的效果。
一种融合抽象语法节点特征代码摘要生成方法

[发明专利]一种基于图卷积神经网络的物品同质图邻域聚合推荐算法-CN202310751116.8在审
发明人： 宫继兵;寇肖萌 -专利权人：燕山大学
申请日： 2023-06-25 - 公布日： 2023-09-05 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于图卷积神经网络的物品同质图邻域聚合推荐算法，利用公开的用户与物品的交互信息数据集，生成用户与物品的交互异质图图，根据用户与物品的交互信息，构建物品‑物品交互同质图，在获得以物品为中心的同质图后，利用图卷积神经网络迭代聚合低阶与高阶邻域协作信息，从而使得物品的表示更加丰富，从而获得每个物品的嵌入表示，将用户的嵌入表示与物品的嵌入表示结合，通过残差连接因式分解缓解邻域协作信息的噪声影响，生成用户‑物品交互概率得分，从而得到模型的推荐结果。
一种基于图卷神经网络物品同质邻域聚合推荐算法

[发明专利]基于Transformer因果链的动态图欺诈检测方法-CN202310545049.4在审
发明人： 宫继兵;丛方鹏 -专利权人：燕山大学
申请日： 2023-05-16 - 公布日： 2023-08-11 - 主分类号： G06Q40/04 文献下载
摘要：本发明公开了基于Transformer因果链的动态图欺诈检测方法，属于欺诈检测领域，包括构建动态图；将用户属性作为图卷积神经网络的输入，生成用户的结构隐向量；通过Heat Kernel生成用户的因果链；通过生成的结构隐向量和因果链生成用户的时序结构向量；使用因果链作为Transformer的时序输入，将结构因变量作为特征输入，得到用户的时序结构表征；将全部用户节点的时间表征两两组合，通过MLP得到交互得分，根据其交互得分判断两个用户的交易之间是否存在欺诈行为。本发明在传统图神经网络的捕获结构信息的基础上，通过Transformer高效的时序性来捕获节点的时序特征，能够有效地提升异常检测的效果。
基于 transformer 因果动态欺诈检测方法

[发明专利]应用于匿名登录场景的基于点击序列时间增强的推荐方法-CN202310427585.4在审
发明人： 宫继兵;张锦;郞月;赵金烨;郑少杰;丛方鹏 -专利权人：燕山大学
申请日： 2023-04-20 - 公布日： 2023-07-28 - 主分类号： G06F16/9537 文献下载
摘要：本发明公开了应用于匿名登录场景的基于点击序列时间增强的推荐方法，属于推荐领域，包括数据预处理；构建时间信息增强的会话图；生成会话图上节点的隐向量；生成用户局部兴趣表征；将图神经网络生成的隐向量按照会话时的点击排列作为BiLSTM的输入，使用变长序列处理方法处理不等长的序列，最终得到包含了次序依赖信息的向量，通过Dropout算法对节点特征进行随机Mask以降低噪声数据的影响，最后通过Attention层生成该匿名用户在该会话序列中的全局兴趣；生成用户的最终兴趣表征，回归预测。本发明融合了用户的交互时间信息，增强了序列间节点的长短期依赖，进一步挖掘了用户的潜在兴趣，能够有效提升匿名场景推荐效果。
应用于匿名登录场景基于点击序列时间增强推荐方法

[发明专利]基于合作多智能体的知识图谱元路径和元图自动挖掘算法-CN202310459095.2在审
发明人： 宫继兵;林宇庭;林天宇;赵金烨;彭吉全 -专利权人：燕山大学
申请日： 2023-04-26 - 公布日： 2023-07-18 - 主分类号： G06N5/025 文献下载
摘要：本发明公开了一种基于合作多智能体的知识图谱元路径和元图自动挖掘算法，属于深度学习和模式挖掘相关领域，包括将知识图谱元路径和元图挖掘与表示学习过程建模为团队马尔可夫博弈问题，利用合作型多智能体为知识图谱中不同类型的实体挖掘最优元路径组合，通过元路径聚合学习中间节点表示，利用元路径缓冲池感知采样机制，为每个实体挖掘多条元路径，根据元路径构建基于元路径的子图，利用哈达玛积将多个元路径子图合成元图，通过元图相似聚合学习最终实体表示，从而应用下游任务监督和奖励信号增强多智能体在知识图谱中的自动挖掘策略。本发明挖掘的元路径和元图可以高效指导知识图谱表示学习，有效提高实体分类和链接预测等下游任务的性能。
基于合作智能知识图谱路径自动挖掘算法

[发明专利]一种基于异构建模的深层神经网络Top-N推荐方法-CN202110893029.7有效
发明人： 宫继兵;张兴浩;杨凯伦 -专利权人：燕山大学
申请日： 2021-08-04 - 公布日： 2023-05-23 - 主分类号： G06Q30/0251 文献下载
摘要：本发明涉及深度学习和智能推荐技术领域，具体涉及一种基于异构建模的深层神经网络Top‑N推荐方法，包括：数据获取构建，得到用户与物品的交互信息；将原始推荐用的异构信息网络,即用户物品评分网络通过构造元路径生成增强的显示和隐式反馈矩阵；MFDNN模型进行信息分析，即将所得到的显示反馈信息和隐式反馈信息输入MFDNN模型进行信息分析预测缺失的用户‑项目交互评分值；将MFDNN模型最终训练得到的用户物品向量嵌入输入到MFDNN模型，得到评分，进行排序输出；将MFDNN模型最终预测的用户对物品的评分与真实的用户评分进行对比，得出模型的效果；本发明能有效准确解决用户在海量的信息中寻找自己喜欢的信息问题。
一种基于构建深层神经网络 top 推荐方法

[发明专利]一种基于概率图和ViT模型的图片分类方法-CN202211555848.1在审
发明人： 宫继兵;彭吉全;林宇庭;赵金烨;丛方鹏 -专利权人：燕山大学
申请日： 2022-12-06 - 公布日： 2023-04-11 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于概率图和ViT模型的图片分类方法，属于计算机视觉图片分类技术领域，将多头注意力机制从概率论的角度进行建模，将多头注意力中的attention value看作隐变量，利用概率图模型的Explaining‑away Effects以及Transformer的层级结构，将attention logits层层传递，并将相邻层的值进行融合，促进不同头部之间的交互。本发明针对普通Vision Transformer模型中多头注意力机制头部参数的冗余问题，将多头注意力机制建模为概率图模型，将注意力值看作隐变量，促进不同注意力头部之间的交互。
一种基于概率 vit 模型图片分类方法

[发明专利]应用于推荐场景的基于时空会话图的归纳式矩阵补全方法-CN202211581727.4在审
发明人： 宫继兵;赵金烨;赵祎;郑少杰;张锦;彭吉全;林宇庭 -专利权人：燕山大学
申请日： 2022-12-09 - 公布日： 2023-03-24 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供了一种应用于推荐场景的基于时空会话图的归纳式矩阵补全方法，该方法包括：基于用户‑项目二部图提取每个训练用户‑项目对的一跳邻居图，这些局部图包含了丰富的用户与项目交互的图模式信息。根据用户与物品之间的交互时间密度对物品进行聚类，得到用户‑项目对的会话子图序列，聚合用户的会话子图表征得到用户的局部兴趣表征。利用元学习得到会话子图之间的隐含关系，获得用户兴趣的全局表征。之后利用多头注意力机制学习用户、项目的时空邻居表征向量，将全局表征与用户、项目的时空邻居表征融合得到用户兴趣的最终表征。本发明融合了时空信息，进一步挖掘了用户的潜在兴趣，与多种最新方法相比，该方法具有竞争优势。
应用于推荐场景基于时空会话归纳矩阵方法

[发明专利]基于对比学习和异构图注意力网络的作者名称消歧方法-CN202211151607.0在审
发明人： 宫继兵;房小涵;彭吉全;赵祎;赵金烨;王成龙;黄朝园 -专利权人：燕山大学
申请日： 2022-09-21 - 公布日： 2022-12-16 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了基于对比学习和异构图注意力网络的作者名称消歧方法，属于知识图谱构建的实体消歧技术领域，包括使用MongoDB存取论文名称、作者、机构等信息，使用python的字符处理库对数据进行清洗，去除噪声获得更加规范的文本，清洗成适用于后续步骤的数据；使用对比学习对论文进行表征学习，获得论文的统一编码的嵌入；以纯度优先为原则对论文进行聚类，缓解论文过合并问题，得到论文簇；对上一步得到的论文簇使用异构图注意力网络进行对齐；提出过拆分检测和过拆分对齐算法，保证论文消歧质量。本发明更好的实现了同名作者消歧的消歧问题，在一定程度上解决了论文过合并和论文过拆分的问题。
基于对比学习构图注意力网络作者名称方法

[发明专利]一种基于解耦表征和异构图软硬注意力网络的消歧方法-CN202211128279.2在审
发明人： 宫继兵;彭吉全;房小涵;赵金烨;林宇庭 -专利权人：燕山大学
申请日： 2022-09-16 - 公布日： 2022-12-09 - 主分类号： G06F40/295 文献下载
摘要：本发明涉及一种基于解耦表征和异构图软硬注意力网络的消歧方法，属于学术数据库构建的实体消歧技术领域，包括以下步骤：S1、数据清洗及预处理；S2、论文实体表征学习，使用语言预训练模型OAG_BERT获得论文的初步表征；S3、解耦表征，使用变分自编码模型加正则化项的方式对论文表征进行特征解耦；S4、论文初始化聚类；S5、异构图实体对齐，构建论文和作者信息异构图，采用软、硬注意力网络对异构图进行实体对齐；S6、获得论文消歧结果。本发明解决了传统消岐方法在实际应用过程中产生的错误分配问题，提高了实体表征能力，提高了消岐算法的性能。
一种基于表征构图软硬注意力网络方法

[发明专利]一种基于建筑和环境的神经网络SGE电力预测方法-CN202210906539.8在审
发明人： 宫继兵;赵智永;张锦;赵祎;房小涵;丛方鹏 -专利权人：燕山大学
申请日： 2022-07-29 - 公布日： 2022-11-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于建筑和环境的神经网络SGE电力预测方法，属于深度学习和电力预测技术领域，包括：现实数据集构建，对建筑物信息、环境信息、电力信息进行数据预处理；特征工程，对所述现实数据集的特征进行时间戳处理、特征选择和特征缩放，得到特征时序矩阵；将特征时序矩阵输入SGE电力预测方法；将SGE模型最终电力负荷预测值与电力负荷真实值进行对比，得出模型的效果。本发明SGE模型相较于其他模型可以实现较快的收敛，并且可解释性强，对噪声数据具有一定的鲁棒性，在处理异常数据上有较为优秀的表现。
一种基于建筑环境神经网络 sge 电力预测方法

[发明专利]一种基于表示学习的实体发现和实体链接联合优化方法-CN202210904197.6在审
发明人： 宫继兵;李青;赵金烨;房小涵;赵祎;丛方鹏 -专利权人：燕山大学
申请日： 2022-07-29 - 公布日： 2022-11-11 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于表示学习的实体发现和实体链接联合优化方法，属于深度学习和自然语言处理技术领域，所述优化方法包括：步骤1，获取数据集；步骤2，构建锚文本词典；步骤3，定义并构建片段循环神经网络模型进行实体提取算法；步骤4，实体链接的特征选取；步骤5，神经排序模型的构建。本发明通过构建基于表示学习的实体发现和实体链接联合的模型，其中，基于片段式的循环神经网络可以直接对实体边界识别进行优化，而实体链接的信息又可以帮助实体发现进行边界识别，有效地解决了实体边界不准确影响实体链接的问题；有效避免了实体边界不准确影响实体链接效果的问题，并且可以同时优化实体发现和实体链接的结果。
一种基于表示学习实体发现链接联合优化方法

[发明专利]基于预训练模型与决策树的增量式论文同名作者消歧方法-CN202210906649.4在审
发明人： 宫继兵;郑嘉壮;房小涵;寇肖萌;赵祎;丛方鹏 -专利权人：燕山大学
申请日： 2022-07-29 - 公布日： 2022-11-11 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了基于预训练模型与决策树的增量式论文同名作者消歧方法，属于神经网络与作者同名消歧技术领域，所述方法利用人工定义特征与XLNet提取特征相结合的特征提取，首先使用人工定义特征提取论文中作者名称、机构等字段的信息，使用XLNet提取论文标题、摘要等字段的信息，之后利用XGBoost与提取出的特征来预测每篇论文应该归属的正确作者，对于该步未能分配出的论文进行凝聚式聚类的后处理，获取主聚类作为新的作者论文集，预测结果使用准确率、召回率以及F1值。本发明能够对论文的信息进行更加充分地提取，具有较强的可解释性，具有较强的鲁棒性，在处理噪点较多以及论文信息较为齐全的数据上有较优秀的表现。
基于训练模型决策树增量论文同名作者方法

[发明专利]一种基于图神经网络的融合知识与协同信息的推荐方法-CN202210870240.1在审
发明人： 宫继兵;杨凯伦 -专利权人：燕山大学
申请日： 2022-07-18 - 公布日： 2022-11-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于图神经网络的融合知识与协同信息的推荐方法，属于推荐算法技术领域，包括以下步骤：向量初始化；在信息传播层经过知识信息图神经网络得到包含知识信息的物品嵌入向量和用户嵌入向量；在信息传播层经过协同信息图神经网络得到包含协同信息的物品嵌入向量和用户嵌入向量；在信息融合层计算得到融合后的用户和物品嵌入向量；计算得到所有正负样本的预测偏好得分；构造推荐方法的损失函数，并计算损失；使用Adam优化算法及设置的学习率进行模型参数更新；计算用户所有未交互物品的预测偏好得分，并排序输出前K个物品；通过指标进行推荐方法的评估。本发明弥补了用户行为数据稀疏和冷启动问题，进一步提高了推荐精度。
一种基于神经网络融合知识协同信息推荐方法

[发明专利]一种融合内容和图结构信息的慕课推荐算法-CN202210649678.7在审
发明人： 宫继兵;王成;方小涵;黄朝园;赵祎;丛方鹏 -专利权人：燕山大学
申请日： 2022-06-09 - 公布日： 2022-09-23 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种融合内容和图结构信息的慕课推荐算法，包括如下步骤：步骤S1、数据预处理，构建GEMRec模型和CNNMRec模型的输入数据；步骤S2、将邻接矩阵集合A输入到GEMRec模型，得到用户图嵌入向量和课程图嵌入向量；步骤S3、将用户图嵌入向量、课程图嵌入向量、用户词嵌入向量和课程词嵌入向量输入到CNNMRec模型，输出用户学习该课程的概率；步骤S4、训练时，使用二分类交叉熵损失函数，通过梯度下降法减小损失，推荐时，计算用户与所有候选课程的余弦相似度，为用户推荐相似度最大的前K门课程。本发明使模型自适应用户与课程之间的动态交互环境，提升了推荐效果。
一种融合内容结构信息推荐算法

1
2
下一页»
尾页
共 22 条