-
公开(公告)号：CN110515986B
公开(公告)日：2023-01-06
申请号：CN201910797783.3
申请日：2019-08-27
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/2458 , G06F16/53 , G06N3/04 , G06Q50/00
摘要： 本发明提供了一种社交网络图的处理方法、装置、电子设备及存储介质；方法包括：获取第一社交网络图和第二社交网络图；确定第一社交网络图和第二社交网络图之间的伪锚链接，根据所确定的伪锚链接形成第一伪锚链接集合，其中，伪锚链接由第一社交网络图与第二社交网络图中潜在对齐的节点连接形成；从第一伪锚链接集合中，选取跨域相似性超过相似性阈值的伪锚链接，形成第二伪锚链接集合，跨域相似性表征第一社交网络图中的节点与第二社交网络图中的节点之间的相似性；根据第二伪锚链接集合中的伪锚链接、以及第一社交网络图的结构，扩展第二社交网络图的结构。通过本发明，能够获取社交网络图中潜在的结构信息。
-
公开(公告)号：CN113609337A
公开(公告)日：2021-11-05
申请号：CN202110205745.1
申请日：2021-02-24
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/901 , G06N3/04 , G06N3/08
摘要： 本申请公开了一种图神经网络的预训练方法、训练方法、装置、设备及介质。预训练方法通过从图谱中选取若干节点，获取该节点的第一节点特征数据和第二节点特征数据，通过第一节点特征数据和节点之间的边特征数据对第二节点特征数据进行预测，然后根据预测结果对选取的第一节点进行更新，从而根据更新后的第一节点的节点特征数据对图神经网络进行训练。本申请基于节点级特征的预测任务，通过训练过程中的预测结果对每轮参与图神经网络训练的节点进行优化，使得训练任务能够更好地结合图数据的特征，从而提高预训练后图神经网络的泛化性能，方便后续针对不同的应用任务进行精调，有利于减少计算资源的消耗。本申请可广泛应用于人工智能技术领域。
-
公开(公告)号：CN112309509B
公开(公告)日：2021-05-28
申请号：CN202011253415.1
申请日：2019-10-15
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G16C20/30
摘要： 本申请实施例公开了一种化合物性质预测方法、装置、计算机设备及可读存储介质，涉及人工智能的计算机视觉技术；具体地可以获取目标化合物的化学结构信息，该化学结构信息包括原子和化学键；根据化学结构信息生成与化学结构信息对应的化学结构图，化学结构图包括原子对应的节点以及化学键对应的边；构建节点的原始节点特征和边的原始边特征；根据节点的原始节点特征、边的原始边特征，在边上进行多轮消息传播，得到边在经过多轮消息传播后的传播状态信息；根据传播状态信息获取边的目标特征；根据边的目标特征预测目标化合物的性质，并输出目标化合物的性质预测结果。该方案科研大大提升化合物性质预测的准确性。
-
公开(公告)号：CN110957012B
公开(公告)日：2021-04-09
申请号：CN201911193424.3
申请日：2019-11-28
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请是关于一种化合物的性质分析方法、装置、设备及存储介质，涉及机器学习技术领域。该方法包括：根据化合物的分子结构获取该化合物的特征向量，该特征向量包括各个节点的节点向量和各条边的边向量；通过特征图提取模型分支对该特征向量进行处理获得图表示向量，通过分类模型分支对该图表示向量进行处理，获得该分类模型分支输出的该化合物的性质。上述方案可以结合化合物的特有分子结构组织化合物的特征向量，从化合物的特征向量中提取出能够准确表示化合物特征的图表示向量，从提高后续分类模型分支得到的分类性质的准确性。
-
公开(公告)号：CN110659723A
公开(公告)日：2020-01-07
申请号：CN201910825937.5
申请日：2019-09-03
申请人： 腾讯科技(深圳)有限公司
摘要： 本公开提供了一种基于人工智能的数据处理方法、装置及系统，涉及人工智能领域。该方法包括：获取图结构，所述图结构包含多个节点；对各所述节点对应的各级子节点分别进行特征提取，以获得与所述图结构对应的各级图节点信息；根据所述图结构对应的原始特征和所述各级图节点信息确定与所述图结构对应的表征信息。本公开的技术方案减弱了过拟合和过平滑对图神经网络模型性能的影响，提升了图神经网络模型的性能，并进一步提升了图神经网络的预测性能。
-
公开(公告)号：CN110197207B
公开(公告)日：2023-04-07
申请号：CN201910395547.9
申请日：2019-05-13
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F18/2415
摘要： 本公开提供了一种对未归类用户群进行归类的方法及相关装置，所述方法包括：基于已归类用户群和未归类用户群中的各用户群内部用户之间的好友关系、每个用户群的群特征，确定每个用户群的群向量、和将各未归类用户群确定为预定类型的用户群的第一概率，并将各已归类用户群确定为预定类型的用户群的第一概率设为固定值；基于已归类用户群和未归类用户群中的各用户群之间用户之间的好友关系、确定的各用户群的群向量、和将各用户群确定为预定类型的用户群的第一概率，确定将各未归类用户群确定为预定类型的用户群的第二概率；根据未归类用户群的第二概率，将所述未归类用户群归类。本公开实施例能够提高对未归类用户群归类的准确率与召回率。
-
公开(公告)号：CN114758729A
公开(公告)日：2022-07-15
申请号：CN202110031384.3
申请日：2021-01-11
申请人： 腾讯科技(深圳)有限公司 , 清华大学
摘要： 本申请公开了一种属性预测模型的训练方法、属性预测方法、装置及设备，涉及化学分子属性预测领域。该方法包括：获取第一组样本数据，第一组样本数据包括第一化学物质和第一化学物质的结构标签，结构标签用于描述化学物质中的原子结构；基于第一组样本数据训练得到预训练模型，预训练模型用于根据输入的化学物质输出化学物质的结构标签；获取第二组样本数据，第二组样本数据包括第二化学物质和第二化学物质的属性标签，属性标签用于描述化学物质的性质；基于第二组样本数据和预训练模型训练得到属性预测模型，属性预测模型用于根据输入的化学物质输出化学物质的属性标签。该方法可以减少训练属性预测模型所需的有标签数据量。
-
公开(公告)号：CN113822294A
公开(公告)日：2021-12-21
申请号：CN202110655776.7
申请日：2021-06-11
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供了一种图数据分类模型训练方法、装置、电子设备及计算机可读存储介质；方法包括：获取图数据样本中多个边对应的初始邻接矩阵；对多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵；基于采样邻接矩阵对图数据样本进行特征提取处理，得到图数据样本的图数据特征；基于图数据样本的图数据特征训练图数据分类模型；其中，训练后的图数据分类模型用于对待分类的图数据进行类型预测处理，得到待分类的图数据所属的类型。通过本申请，能够提高图数据分类模型的分类性能。
-
公开(公告)号：CN110767271A
公开(公告)日：2020-02-07
申请号：CN201910979509.8
申请日：2019-10-15
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G16C20/30
摘要： 本申请实施例公开了一种化合物性质预测方法、装置、计算机设备及可读存储介质，涉及人工智能的计算机视觉技术；具体地可以获取目标化合物的化学结构信息，该化学结构信息包括原子和化学键；根据化学结构信息生成与化学结构信息对应的化学结构图，化学结构图包括原子对应的节点以及化学键对应的边；构建节点的原始节点特征和边的原始边特征；根据节点的原始节点特征、边的原始边特征，在边上进行多轮消息传播，得到边在经过多轮消息传播后的传播状态信息；根据传播状态信息获取边的目标特征；根据边的目标特征预测目标化合物的性质，并输出目标化合物的性质预测结果。该方案科研大大提升化合物性质预测的准确性。
-
公开(公告)号：CN110737730A
公开(公告)日：2020-01-31
申请号：CN201911001169.8
申请日：2019-10-21
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F16/28
摘要： 本发明涉及基于无监督学习的用户分类方法、装置、计算机设备及存储介质，属于用户分类技术领域。该方法包括：获取待分类用户的第一原始特征；将第一原始特征输入到无监督学习的拓扑关系确定模型中；拓扑关系确定模型对应有目标损失函数；目标损失函数根据第一特征表达式和第二特征表达式的相关度构建；第一特征表达式为第一原始特征对应的表达式，第二特征表达式为拓扑关系特征对应的表达式；根据拓扑关系确定模型的输出，得到待分类用户的目标拓扑关系特征；根据目标拓扑关系特征，确定待分类用户对应的用户类别。上述技术方案，在不需要人工提供用户标签的情况下，就能实现对网络用户的准确分类，能有效降低网络用户分类的成本。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.068 秒)
