公开(公告)号：CN118646646A

公开(公告)日：2024-09-13

申请号：CN202410870553.6

申请日：2024-07-01

Applicant: 合肥大学

Inventor： 张琛 ,  沈威 ,  吴晓璇 ,  张新 ,  程知 ,  邹乐 ,  陈岩 ,  周源

IPC: H04L41/0677 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于图注意力网络的网络异常根因定位方法及装置，该方法包括：获取通信网络的时间片数据，一个所述时间片数据中包括目标变量的变量值和全部观测变量的变量值；构建节点关系矩阵即邻接矩阵A和节点特征矩阵X；将邻接矩阵A和节点特征矩阵X输入到预设的图注意力网络GAT，获得第一网络异常根因定位结果；将节点特征矩阵X输入到预设的集成模块中，获得第二网络异常根因定位结果；对于第一和第二网络异常根因定位结果，基于观测变量的数据波动情况进行结果补强，最终确定网络异常根因定位结果。“GAT+集成模型+补强”结合，有效提高了网络异常根因定位的准确性。

公开(公告)号：CN119940412A

公开(公告)日：2025-05-06

申请号：CN202510036371.3

申请日：2025-01-09

Applicant: 合肥大学

Inventor： 吴晓璇 ,  周梦楠

IPC: G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0895 ,  H04L67/55

Abstract: 一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法，属于个性化推荐技术领域。首先通过分析用户与项目的交互行为构建用户‑项目交互矩阵，将额外增强初始交互矩阵，生成与初始交互矩阵的对照矩阵；然后将两组用户‑项目对照矩阵分别输入到多层图卷积网络中，生成两组不同的增强型用户‑项目相关矩阵。通过多层图卷积的递归传播，能够捕获交互信息的深层特性，为用户和项目生成更丰富的嵌入表示。随后将两组用于对比的嵌入矩阵进行融合，生成最终的用户嵌入和项目嵌入；最后利用协同过滤算法生成推荐结果。本发明通过对比学习和多层图卷积的消息传递，拉近了用户‑项目的隐式的关联，在给用户推荐时，能达到较好的推荐效果。