-
公开(公告)号：CN117556866B
公开(公告)日：2024-03-29
申请号：CN202410028518.X
申请日：2024-01-09
Applicant: 南开大学
Abstract: 本发明涉及图数据挖掘技术领域，提供一种无源域图的数据域适应网络构建方法。包括：通过图神经网络对目标图进行预测，获得软标签预测结果；通过软标签预测结果对双学生网络进行蒸馏预训练，获得双学生网络模型；通过高斯混合模型拟合双学生网络模型输出的多个节点的损失值，获得拟合值并将双学生网络模型的输出结果划分为源域相似子域及目标特定子域；对源域相似子域及目标特定子域进行拓扑感知数据融合，获得源域相似子域节点的硬标签预测结果；基于软标签预测结果及硬标签预测结果对双学生网络模型进行迭代训练优化，获得数据域适应网络。本发明能够获得代表全图数据分布的高质量训练样本，还降低了模型训练过程中认知偏差的积累。
-
公开(公告)号：CN117421661B
公开(公告)日：2024-02-13
申请号：CN202311744970.8
申请日：2023-12-19
Applicant: 南开大学
IPC: G06F18/241 , G06N3/042 , G06Q50/00 , G06F18/214 , G06F18/21
Abstract: 本发明涉及群组推荐技术领域，提供一种基于反事实增强的图卷积网络的群组推荐方法，包括：构建群组用户超图及群组项目二部图；对群组用户超图挖掘群组和用户间的高阶信息，获得用户级群组表示；对群组用户超图进行扰动并卷积，获得反事实群组表示；对群组项目二部图及用户级群组表示挖掘群组和项目间的高阶信息，获得群组级的群组表示和项目表示，加权融合用户级群组表示及群组级群组表示获得最终群组表示；基于上述表示逐层训练获得的反事实损失、群组损失及用户损失对分层图卷积网络进行训练，通过获得的预测模型获得推荐项目列表。本发明能够显式地对群组、用户和项目的特征进行准确建模，还增强了群组推荐的可解释性及模型的适应性。
-
公开(公告)号：CN117421661A
公开(公告)日：2024-01-19
申请号：CN202311744970.8
申请日：2023-12-19
Applicant: 南开大学
IPC: G06F18/241 , G06N3/042 , G06Q50/00 , G06F18/214 , G06F18/21
Abstract: 本发明涉及群组推荐技术领域，提供一种基于反事实增强的图卷积网络的群组推荐方法，包括：构建群组用户超图及群组项目二部图；对群组用户超图挖掘群组和用户间的高阶信息，获得用户级群组表示；对群组用户超图进行扰动并卷积，获得反事实群组表示；对群组项目二部图及用户级群组表示挖掘群组和项目间的高阶信息，获得群组级的群组表示和项目表示，加权融合用户级群组表示及群组级群组表示获得最终群组表示；基于上述表示逐层训练获得的反事实损失、群组损失及用户损失对分层图卷积网络进行训练，通过获得的预测模型获得推荐项目列表。本发明能够显式地对群组、用户和项目的特征进行准确建模，还增强了群组推荐的可解释性及模型的适应性。
-
-
公开(公告)号：CN106202167A
公开(公告)日：2016-12-07
申请号：CN201610474116.8
申请日：2016-06-21
Applicant: 南开大学
IPC: G06F17/30
Abstract: 随着互联网技术的发展和普及，在社交网络、语义网等信息技术相关领域的数据规模呈爆炸式增长，其中的子图匹配查询问题成为了图数据管理的热点研究问题。为了提高大规模数据图的子图匹配查询效率，可以使用基于图模拟方式的匹配查询方法，这需要对数据图进行压缩以及为了查询数据图构建索引，本发明针对有向标签图，提出一种基于结构概要模型的自适应索引构建方法，该方法包括：对图数据进行等价类划分；建立结构概要模型；构建顶点的索引，构建边的索引；对索引进行自适应更新。
-
Patent Agency Ranking
-
公开(公告)号：CN117274349A
公开(公告)日：2023-12-22
申请号：CN202311235849.2
申请日：2023-09-22
Applicant: 南开大学
IPC: G06T7/593 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于RGB‑D相机一致性深度预测的透明物体重建方法及系统，获取RGB‑D相机的包含透明物体的RGB图像、深度图像和相机内参信息；利用透明物体分割网络，基于所述RGB图像，得到透明物体的掩码；将掩码应用在所述深度图像上，获取非透明物体区域的深度值，并利用相机内参信息获取该图像在三维空间的点云；基于掩码、RGB图像和三维空间点云，利用预先训练的一致性深度预测神经网络进行深度图像预测，得到恢复出的深度图像；基于所述恢复出的深度图像、RGB图像和相机内参信息，进行三维重建，得到最终结果。本发明可以对存在以透明物体为前景的场景进行准确重建。
-
公开(公告)号：CN116451171A
公开(公告)日：2023-07-18
申请号：CN202310232391.9
申请日：2023-03-10
Applicant: 南开大学
IPC: G06F18/25 , G06F16/2458 , G06F18/241 , G06F18/2413 , G06Q50/20
Abstract: 本发明公开了一种基于自适应特征交叉的高校学生画像生成方法，首先收集高校学生在校行为相关的各种特征数据，并对收集的特征数据进行预处理；然后将预处理后的各种特征数据，利用学生学籍信息作为学生基本属性进行特征增强处理，得到经过特征增强的中间特征；再使用可训练权重参数对经过特征增强的中间特征进行自适应交叉，然后将自适应交叉结果送入MLP进行特征融合，学习学生不同维度标签得分；最后对学生在不同维度标签的得分进行可视化表示，得到学生画像的可视化表示。该方法使用MLP利用学生的在校行为数据抽象出标签化的学生模型，对学生分类培养、教师教育教学、校园活动开展、完善评价体系具有重要价值，帮助高校提高教育管理说服力。
-
公开(公告)号：CN106202167B
公开(公告)日：2019-10-18
申请号：CN201610474116.8
申请日：2016-06-21
Applicant: 南开大学
IPC: G06F16/22
Abstract: 随着互联网技术的发展和普及，在社交网络、语义网等信息技术相关领域的数据规模呈爆炸式增长，其中的子图匹配查询问题成为了图数据管理的热点研究问题。为了提高大规模数据图的子图匹配查询效率，可以使用基于图模拟方式的匹配查询方法，这需要对数据图进行压缩以及为了查询数据图构建索引，本发明针对有向标签图，提出一种基于结构概要模型的自适应索引构建方法，该方法包括：对图数据进行等价类划分；建立结构概要模型；构建顶点的索引，构建边的索引；对索引进行自适应更新。
-
公开(公告)号：CN104866471B
公开(公告)日：2017-09-19
申请号：CN201510307301.3
申请日：2015-06-05
Applicant: 南开大学
Abstract: 一种基于局部敏感哈希策略的实例匹配方法。解决语义网中快速提取两个数据集间描述相同事物实例的难题，本发明提出了一种新颖的通过局部敏感哈希来进行实例匹配的方法，该方法包括：重要的谓语选择；匹配不同数据集间的重要谓语；根据匹配的谓语提取候选实例对；提炼候选集得到实例匹配结果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.02 seconds)
