“罗奇才”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4个，建议您升级VIP下载更多相关专利

[发明专利]基于图神经网络的节点关系空间对比学习社区发现方法-CN202310576862.8在审
发明人：施振佺;王博文;施佺;罗奇才;张翁坚;黄子玲;冯季;孙凡 -专利权人：南通大学
申请日： 2023-05-22 - 公布日： 2023-08-22 - 主分类号： G06N3/042 文献下载
摘要：本发明在于提供一种基于图神经网络的节点关系空间对比学习社区发现方法，解决以前模型大多是有监督并且没有考虑节点和关系之间相似度的问题，通过最大化节点空间与关系空间学习到的节点特征之间的相似度来设计损失函数，并且改进了以前的对比学习方法，使用节点空间和关系空间进行对比学习从而得到更好的优化模型，考虑了元路径长度和覆盖数量对节点特征的影响，并通过不同关系之间的交互学习，得到最终的节点表征，更好的进行社区发现。
基于神经网络节点关系空间对比学习社区发现方法

[发明专利]基于图神经网络的社区发现方法-CN202310043047.5在审
发明人：施振佺;王博文;施佺;罗奇才;张翁坚;黄子玲;冯季;孙凡 -专利权人：南通大学
申请日： 2023-01-29 - 公布日： 2023-06-23 - 主分类号： G06F18/23213 文献下载
摘要：本发明公开一种基于图神经网络的社区发现方法，包括：将节点信息转换成one‑hot向量作为初始特征值；对one‑hot向量进行PCA降维，计算降维后目标节点与其他节点的特征相似度，学习到目标节点在特征视图下的节点表征；在元路径内和元路径间使用注意力机制，学习到目标节点在元路径视图下的节点表征；分层聚合邻居节点的信息，学习到目标节点在结构视图下的节点表征；拼接三种节点表征，学习到目标节点最终的节点表征；通过最小化交叉熵损失函数来优化模型；通过对生成的节点表征进行k‑means划分成不同的社区。本发明考虑了节点元路径视图下的信息以及特征视图和结构视图下的信息，提高了学习到的节点信息的丰富性与完整性，提高了表征的质量，使发现的社区更为精准。
基于神经网络社区发现方法

[发明专利]基于节点结构特征的图卷积神经网络的社区发现方法-CN202310297088.7在审
发明人：施振佺;孙凡;施佺;罗奇才;张翁坚;黄子玲;冯季;王博文 -专利权人：南通大学
申请日： 2023-03-24 - 公布日： 2023-06-06 - 主分类号： G06F16/901 文献下载
摘要：本发明公开一种基于节点结构特征的图卷积神经网络的社区发现方法。首先，将不同类型的节点映射至同一空间，使用GCN模型求得节点特征。然后，从异构性和重叠性两个方面考虑节点的结构特征。接着，对三个角度下的目标节点表征进行堆叠，使用MLP生成最终的目标节点表征。最后，使用k‑means聚类算法，对节点进行社区划分。本发明从异构性和重叠性两个角度，考虑节点结构特征，从节点特征和节点结构特征两个方面，考虑节点表征，为学习节点表征提供了新的角度，提高了节点表征的质量，保证了社区发现的精确性，对个性化推荐、社区欺诈检测等多种领域有着重要意义。
基于节点结构特征图卷神经网络社区发现方法

[发明专利]基于图卷积和自注意力机制实现异构图元路径聚合的节点分类方法-CN202211642551.9在审
发明人：施振佺;张翁坚;施佺;罗奇才;黄子玲;冯季;王博文;孙凡 -专利权人：南通大学
申请日： 2022-12-20 - 公布日： 2023-03-21 - 主分类号： G06F18/24 文献下载
摘要：本发明提出一种基于自注意力机制和简化版图神经网络的异构图神经网络模型，用来自动捕获节点之间有用的关系感知拓扑结构信号，以获得集成了网络结构和节点属性特征的节点表征。模型分为多元关系聚合模块和多层图卷积模块，多元关系聚合模块将异构图解耦为多个同构二部子图，接着应用自注意力机制为每个子图更新关系感知参数权值，重新聚合成新的矩阵用于提取元路径。多层图卷积模块基于图卷积神经网络(GCN)的思想通过聚集相邻节点的特征来学习节点的低维表征，并采用弃用GCN非线性激活函数的方式来简化其消息传递过程，以获得高效学习网络表示的能力，使得到的节点表征包含了所有长度的元路径信息。
基于图卷注意力机制实现构图路径聚合节点分类方法