本发明涉及一种基于元路径嵌入的图神经网络安卓恶意软件检测方法，采用提取静态特征，得到API和Permission的步骤；构造异质图的步骤；定义元路径，对每个APP节点进行嵌入的步骤；计算每种元路径的权重的步骤；得到APP的分类结果的的步骤；本发明方法通过使用RotatE编码器对每一条元路径进行嵌入，聚合了元路径上中间节点的特征，并将目的节点本身的特征也考虑在内，获取了更多利于恶意软件检测的信息，因此本发明的方法使用少量样本就能超过其他方法使用大量样本训练达到的准确率；同时本发明通过定义λ参数，限制了元路径的数量，减少了系统资源消耗。
📄 2023100406052
📂 G06F21_56
👤 河北师范大学
📅 2023-01-13
本发明公开了一种用于图神经网络训练的单层增强负样本生成算法，涉及深度图神经网络训练领域，可应用于互联网推荐系统等应用场景，包括：考虑协同过滤推荐任务的节点信息传播和聚合特点以及GNN过平滑问题，将信息论中的信息扁平化理论结合到负样本生成策略，提出单层增强的负样本合成策略，只跟踪样本的最强特征或是与目标最相关的关联，同时关注数据稠密度与聚合嵌入之间的关系，对具有不同稠密度特征的数据集选择不同层数的单层聚合嵌入进行正负样本嵌入插值，生成构造负样本，减轻了推荐系统模型训练中的过拟合，提高了模型的泛化能力；本发明算法可以直接插入现有的基于GNN的推荐算法中改善模型训练，使模型性能指标显著提高，节省计算开销。
📄 202211491358X
📂 G06F16_9535
👤 成都理工大学
📅 2022-11-25
本发明公开了一种基于解耦表征学习与图神经网络的服务推荐方法，以在线应用记录的用户交互日志为数据源，获取用户的完整历史交互序列以及对应类别序列，首先在个性化程度上分别捕获用户长期的稳定兴趣和短期的动态兴趣，然后利用服务类别信息捕获用户的从众兴趣。该方法针对基于隐式解耦表征学习的方法依赖于人工设置的潜在兴趣个数，难以适应不同应用场景，且没有考虑不同在线应用服务类别因素的问题，分别基于完整序列、最近序列和类别序列学习用户的长期兴趣、短期兴趣和从众兴趣，避免人工设置潜在兴趣个数的弊端，并考虑不同在线应用类别因素的影响，捕获用户的从众兴趣作为推荐结果可解释性的基础，帮助应用提供商有针对性的调整推荐策略。
📄 2022116349712
📂 G06F16_9535
👤 杭州电子科技大学
📅 2022-12-19
本发明公开了一种基于图同构网络的谓词抽取方法。本发明使用了DDParser工具对文本句子进行解析，并利用句子解析后得到的词性结果对分词序列中的专用名词进行泛化。对Bert的嵌入部分做调整，加入对词性信息的编码，将泛化后的词序列输入到微调后的Bert模型中进行编码。使用GIN网络来获取依存树中每一个节点的嵌入向量以及依存子树的表征向量。再这之后通过一层注意力机制，将语义信息还有依存结构信息融合起来得到最终的节点嵌入向量。最后，本发明将最终的词嵌入向量集合输入到一个二分类器中，得到谓词结果。本发明使用了深度学习的方式学习句子的结构模板特征，大大减少了人们的工作量，有着较强的跨领域性和适应能力，有效提升了谓词抽取方法的准确性。
📄 2021116380176
📂 G06F40_211
👤 杭州电子科技大学
📅 2021-12-29
本发明公开了一种基于图神经网络的知识图谱社区划分方法，包括以下步骤：1)构建知识图谱及其邻接矩阵；2)利用图神经网络将知识图谱中的节点进行表示学习，得到节点的向量表示；3)基于余弦相似度计算节点间的相似度；4)根据同类型的节点间的邻接关系以及节点相似度构建一个无向有权节点关系网络；5)设置模块度评估社区内部的内聚程度；6)通过社区划分算法将知识图谱中目标节点进行社团划分。本发明通过图神经网络学习知识图谱的节点特征，然后在向量空间中以节点相似度为基准进行社区划分，提高了社区划分的准确率。
📄 2021110444704
📂 G06F16_36
👤 浙江工业大学
📅 2021-09-07
本发明公开一种基于图神经网络的多通道区块链钓鱼节点检测方法，包括步骤：根据区块链交易信息构建网络序列型动态整体交易网络图和动态交易模式子图；获得时间加权交易连边；学习目标节点的用户潜在特征和交易模式特征；获得组合特征输入到检测模块中获得最终检测结果；利用目标节点的真实类标与最终检测结果对检测模型进行训练，获得多通道区块链钓鱼节点检测模型。本发明的钓鱼节点检测方法，采用基于图神经网络的节点分类与节点交易模式识别双通道，可以有效提取用户节点的潜在特征与其交易模式特征，提高区块链钓鱼节点检测模型的有效性，实现对区块链钓鱼节点的检测。
📄 202110654086X
📂 G06Q20_38
👤 浙江工业大学
📅 2021-06-11
一种基于图神经网络的长时间序列分类方法，包括：1)采集样本数据集，设定分段数并将时间序列数据分段；2)将每段时间序列数据分别转换为对应的网络图数据；3)采用图神经网络对所述分段时间序列对应的网络图数据进行特征提取，得到时间序列数据对局部特征向量，并同步训练各分段网络图的邻接矩阵；4)采用循环神经网络对上述时间序列数据的局部特征向量进行全局特征提取，得到各分段最终的特征向量；5)融合各个分段时间序列数据的特征向量，采用全连接神经网络完成时间序列的分类；6)调节分段数及各分段时间序列对应网络图的初始邻接矩阵，重复步骤2‑5至分类效果最佳。本发明减少计算资源消耗，降低计算时间。
📄 2022105885133
📂 G06K9_62
👤 浙江工业大学
📅 2022-05-26
一种针对网络节点分类和链路预测的指标评测方法，包括：S1：选取最新的节点分类模型和链路预测模型和攻击算法；S2：计算得到网络图性质指标和攻击隐蔽性指标；S3：通过指标相关性分析，筛选掉相关性过高的指标。S4：训练随机森林模型。设计特征映射损失函数，并进行多次迭代，使用t‑SNE方法对输出指标进行可视化，可视化模型鲁棒性特征。本发明还公开了一种针对网络节点分类和链路预测的指标评测方法，由识别攻击模块，评测模块，相关性分析模块，搜索优化模块连接而成。本发明将图像的模型分析方法引入网络领域，使得其可以分析网络领域中模型的性质。提出了网络图性质指标和攻击隐蔽性指标，设计损失函数，多次迭代，寻找最优参数。
📄 2021104981406
📂 H04L41_14
👤 浙江工业大学
📅 2021-05-08
一种基于图神经网络的调制信号分类方法，包括：步骤S1、将I/Q调制信号数据集的每个双通道I/Q调制信号数据处理成四通道信号；步骤S2、将所属四通道信号分别转换成对应的四通道无向网络图信号；步骤S3、采用图神经网络对所述四通道无向网络图信号进行特征提取，得到四通道的特征向量；步骤S4、融合四通道的特征向量为所述每个I/Q调制信号的特征向量，且结合全连接层完成信号的分类；步骤S5、调节可视窗大小，重复步骤S2‑步骤S4步骤至效果最佳。本发明还包括一种图神经网络的调制信号分类系统。本发明能改进现有的可视图算法使其适用于调制信号，贴合调制信号中每个调制符号之间相互较为独立的特性，同时尽可能降低计算时间。
📄 2021105987537
📂 G06K9_00
👤 浙江工业大学
📅 2021-05-31
本发明涉及一种基于信号强度和图神经网络的无人机异常检测方法，属于多无人机系统安全领域。本发明包括：构建以通信半径为约束的动态无人机拓扑图；提取奖励图、高斯目标图、障碍图及空间偏好图等多通道空间特征，经编码获得节点嵌入；采用多头图注意力机制融合信号强度信号偏差特征，通过残差连接增强梯度稳定性；利用DiffPool可学习池化机制构建分层图结构，结合聚类一致性损失优化簇内特征表达；最终基于注意力加权的信号强度偏差评分实现异常无人机识别。本发明解决了动态拓扑适应性与噪声鲁棒性问题，适用于城市空域监管及集群协作场景。
📄 2025111838557
📂 G06F18_2433
👤 浙江工业大学
📅 2025-08-22
基于知识关系图增强的小样本分子性质预测方法和装置，其方法包括：S1：构建分子—性质关系图；S2：在分子—性质关系图的基础上构建基于知识引导的分子—性质关系图；S3：基于步骤S2得到的增强图，通过随机抽样从训练任务集中抽取目标任务，根据选定目标任务提取子图，获取子图表征；S4：通过辅助任务采样器进行采样，得到与目标任务高度相关的辅助任务，根据步骤S3得到的子图和辅助任务重新构建一个关系更加丰富的子图；S5：基于步骤S4得到的子图进行小样本分子性质预测训练，计算损失，更新模型参数，提高模型快速泛化到新目标性质的能力；S6：使用步骤S5训练好的模型进行目标性质参数适应，进而获得面向目标性质的泛化模型用于分子性质预测。
📄 2024119264293
📂 G16C20_30
👤 浙江工业大学
📅 2024-12-25
基于解释图神经网络的推荐解释可视分析方法和装置，其方法包括：对数据进行清洗与预处理，并根据观影数据计算特征相关性分数；将处理好的数据作为输入，用具有代表性的图神经网络模型进行训练，获得实体的高维嵌入表示和推荐结果；将嵌入空间分布转换为分类任务，获取优化后的用户推荐路径图，抽取出对推荐预测重要的图模式；设计数据可视化视图对解释过程进行展示，通过偏好分析对比视图，结合解释评估视图，来验证解释模型的可靠性；通过模型计算与可视化设计为分析人员提供对推荐结果的理解，并据此获得可视见解，通过迭代式交互分析提高模型的推荐性能，以此验证分析方法的可靠性。
📄 2023113921278
📂 G06F16_9535
👤 浙江工业大学
📅 2023-10-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台