-
公开(公告)号：CN112711951B
公开(公告)日：2024-10-18
申请号：CN202110008758.X
申请日：2021-01-05
Applicant: 西安交通大学
IPC: G06F40/30 , G06F40/216 , G06F16/9536 , G06Q50/00 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于归纳意识的虚假新闻可解释性检测系统及方法，通过探索评论线程中立场的演化规律和层次性结构特征，以发现有价值的质疑新闻的评论子链，克服了现有技术在评论之间关联性挖掘以及相互影响缺失的不足。本发明以跨学科知识与神经网络模型相结合，探索假新闻评论树中评论节点间的语义关联挖掘与相互影响性挖掘；自底向上进化树网络考虑了两种社会心理学理论来研究评论线索中立场的进化规律，以强化质疑新闻的有价值的评论；本发明提出的自顶向下协调树网络协调了父节点和兄弟节点之间的信息吸收，增强了评论的层次结构，并将其与进化树网络特征融合得到有价值的评论，凸显评论子链，增强验证结果的可解释性。
-
公开(公告)号：CN113705652B
公开(公告)日：2024-05-28
申请号：CN202110969540.0
申请日：2021-08-23
Applicant: 西安交通大学
IPC: G06F40/126 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/0499 , G06N3/082
Abstract: 本发明公开了一种基于指针生成网络的任务型对话状态追踪系统及方法，通过GRU‑Self Attention机制有效的编码了长序列文本，并基于指针生成网络结合源序列信息生成对话状态。本发明首次提出了一种针对对话状态追踪算法长序列编码能力不足特点提出的BiGRU‑Self Attention编码器，该编码器可以更有效地编码长序列文本。本发明的算法相比于其他相关研究表现出了更高的联合目标准确率。在迁移性能实验中验证了该算法的迁移能力。
-
公开(公告)号：CN112988959B
公开(公告)日：2023-07-14
申请号：CN202110045012.6
申请日：2021-01-13
Applicant: 西安交通大学
IPC: G06F16/33 , G06F40/211 , G06F40/284 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于证据推断网络的虚假新闻可解释性检测系统及方法，包括：输入虚假新闻内容序列、所有相关文章的拼接序列以及若干不同的单个相关文章序列；使虚假新闻内容序列与所有的相关文章特征进行交互，捕获两种类型的序列特征；将整体观点序列与每个相关文章的序列进行互相交互，探索每个相关文章中细粒度的潜在的序列冲突；将核心序列片段与潜在的序列冲突进行一致性建模，脾胃围绕虚假新闻的核心序列片段的冲突，进行可解释性虚假新闻的检测。本发明细粒度地聚焦待检测新闻的虚假核心语义片段，从相关文章中探索可解释的证据，从而提升虚假新闻检测的可解释性。不仅提高了假新闻检测性能，还提供了有效的证据实现检测结果的可解释性。
-
公开(公告)号：CN112711951A
公开(公告)日：2021-04-27
申请号：CN202110008758.X
申请日：2021-01-05
Applicant: 西安交通大学
IPC: G06F40/30 , G06F40/216 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于归纳意识的虚假新闻可解释性检测系统及方法，通过探索评论线程中立场的演化规律和层次性结构特征，以发现有价值的质疑新闻的评论子链，克服了现有技术在评论之间关联性挖掘以及相互影响缺失的不足。本发明以跨学科知识与神经网络模型相结合，探索假新闻评论树中评论节点间的语义关联挖掘与相互影响性挖掘；自底向上进化树网络考虑了两种社会心理学理论来研究评论线索中立场的进化规律，以强化质疑新闻的有价值的评论；本发明提出的自顶向下协调树网络协调了父节点和兄弟节点之间的信息吸收，增强了评论的层次结构，并将其与进化树网络特征融合得到有价值的评论，凸显评论子链，增强验证结果的可解释性。
-
公开(公告)号：CN117521729A
公开(公告)日：2024-02-06
申请号：CN202311436875.1
申请日：2023-10-31
Applicant: 西安交通大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于偏微分方程扩散衰减的图神经网络优化方法及相关装置，本发明采用编码器‑解码器(encoder‑decoder)结构，运用编码器得到特征的嵌入，并运用解码器解码最后输出的隐向量；模型的深度则由传播的时间来进行控制，通过引入超参数，将时间离散化从而得到深层构架的模型；为了更加有效的学习扩散中的扩散系数，以及增加扩散的域值范围，本发明还运用了一种共享的门控注意力机制来根据相邻节点的特征有效的学习扩散系数，并通过选取合适的函数增加扩散可能的域值范围。
-
Patent Agency Ranking
公开(公告)号：CN113962358A
公开(公告)日：2022-01-21
申请号：CN202111153049.7
申请日：2021-09-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于时序超图注意力神经网络的信息扩散预测方法，从用户的静态友谊网络和动态交互网络的两个方面共同学习用户的偏好来预测信息扩散。其中，该方法不仅利用图卷积神经网络从用户的友谊网络中捕获用户的静态依赖关系，并且还创新地设计了一个超图注意力网络，从而从序列化的信息扩散超图中动态学习用户在级联层面的交互，级联之间的联系。根据待预测的级联特征，嵌入查找模块分别从所获得的两个方面的用户表示向量中查找对应用户的向量，以便进行下一步的交互学习。最后利用两个自注意力模块分别对从上述两个方面所获得的级联表示进行内部的深度交互学习，以预测下一个被影响的用户，从而实现对网络信息扩散的逐步预测。
-
公开(公告)号：CN117540775A
公开(公告)日：2024-02-09
申请号：CN202311435689.6
申请日：2023-10-31
Applicant: 西安交通大学
IPC: G06N3/0464 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种基于多频信号分离的深度图卷积神经网络优化方法及相关装置，通过对图节点的高低频特征进行分离并增强从而将其解耦，以深入捕获不同维度的特征上的信息。其中，本发明通过运用高低频卷积核来对特征进行分离卷积，同时计算中间共性特征来对高低频特征分别进行增强，并稳定其传播过程，克服了现有方法存在的深层模型过平滑问题。另外，在深层传播过程中，本发明通过引入初始残差来稳定传播的过程，从而使得模型可以更好地学习到不同维度的特征信息；最后，本发明利用自适应注意力融合机制将学习到的两种局部表示向量相结合，以获得更丰富的语义表达。
-
公开(公告)号：CN116070618A
公开(公告)日：2023-05-05
申请号：CN202310076511.0
申请日：2023-01-19
Applicant: 西安交通大学
IPC: G06F40/205 , G06F40/30 , G06F16/9536 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种虚假新闻早期检测方法、系统、设备及存储介质，本发明联合学习全局和局部层次的用户传播行为，并引入传播状态编码来增强神经网络的学习能力，从而更准确地获得真假新闻的差异化表示。本发明对用户传播行为进行全局及局部多尺度特征的联合学习，以深入捕获真假新闻在传播上的差异。本发明通过构建传播超图来描述用户在新闻层次上的全局传播行为，同时引入中心性编码对用户的全局影响力进行补充；另外，在局部学习方面，本发明创新性地设计了一个具有传播状态编码的多头自注意模块，分别从结构和时序两个方面来学习新闻的局部传播特征；最后，本发明利用门控融合机制将学习到的两种局部表示向量相结合，以获得更丰富的语义表达。
-
公开(公告)号：CN114004235A
公开(公告)日：2022-02-01
申请号：CN202111092247.7
申请日：2021-09-17
Applicant: 西安交通大学深圳研究院
IPC: G06F40/30 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公布了一种基于句向量和多特征融合的情感原因对抽取方法、系统及装置，使用基于动态词嵌入方法BERT进行词嵌入，解决了情感特征与原因特征比较分散，句子语义表示特征不足的问题。通过采用注意力机制有效地获取与情感原因相关的条件因素，提高了条件因素的影响因子，解决了已有模型忽略原因触发情感时，可能存在着相应的条件因素问题。通过确定每一句对成为情感原因对的可能性，并考虑句对的上下文条件因素对句对的影响。分别从情感原因句向量、条件因素、位置因素、之前句对的预测状态等因素着手，采用多种特征融合策略，最终确定精准的情感原因对的预测表示，提高模型的预测效果。
-
公开(公告)号：CN112650851A
公开(公告)日：2021-04-13
申请号：CN202011587811.8
申请日：2020-12-28
Applicant: 西安交通大学
IPC: G06F16/35 , G06F40/205 , G06F40/279 , G06N3/04 , G06N3/08 , G06N5/04 , G06Q50/00
Abstract: 本发明公开了一种基于多层次交互式证据生成的虚假新闻识别系统及方法，通过设计两个渐进式编译码层次生成，以生成虚假新闻背后的真相作为验证结果的解释。本发明推理生成利用局部推理促使了新闻的虚假部分以及冲突之间的深层理解，以聚焦如何揭示假新闻背后的真实虚假部分；本发明具有可拆解性，可将本发明的三个生成模块解耦训练利用，具有模型泛化能力和任务阶段性训练能力；在两个公开的、广泛使用的假新闻数据集上实验表明，本发明比以前的最先进的方法取得了更好的性能。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
