-
公开(公告)号：CN114201635B
公开(公告)日：2024-07-23
申请号：CN202111342496.7
申请日：2021-11-12
Applicant: 东北大学
IPC: G06F16/583 , G06F16/55 , G06V10/764 , G06V10/82 , G06V10/26 , G06V10/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及案源线索分类领域，提出一种基于多视图图数据特征学习的案源线索分类处理方法，包括：对案源线索数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；通过多阈值分割，构建多视图；在得到多视图后通过图结构学习方法消除原始图中的噪声边，通过多视图一致性正则项实现对所有对象一致性约束，最终得到粗化多视图；通过共享的图嵌入学习层，捕捉不同视图之间的内在关系；在得到不同视图的分类结果后通过投票机制得出最终的案源线索分类结果。本发明针对图分类过程中图数据的高异度性以及噪声问题，通过构建多视图，图结构学习以及共享图嵌入得出多视图结果并以投票机制进行多分类，提高最终的分类性能。
-
公开(公告)号：CN114201635A
公开(公告)日：2022-03-18
申请号：CN202111342496.7
申请日：2021-11-12
Applicant: 东北大学
Abstract: 本发明涉及案源线索分类领域，提出一种基于多视图图数据特征学习的案源线索分类处理方法，包括：对案源线索数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；通过多阈值分割，构建多视图；在得到多视图后通过图结构学习方法消除原始图中的噪声边，通过多视图一致性正则项实现对所有对象一致性约束，最终得到粗化多视图；通过共享的图嵌入学习层，捕捉不同视图之间的内在关系；在得到不同视图的分类结果后通过投票机制得出最终的案源线索分类结果。本发明针对图分类过程中图数据的高异度性以及噪声问题，通过构建多视图，图结构学习以及共享图嵌入得出多视图结果并以投票机制进行多分类，提高最终的分类性能。
-
公开(公告)号：CN114154022A
公开(公告)日：2022-03-08
申请号：CN202111341170.2
申请日：2021-11-12
Applicant: 东北大学
IPC: G06F16/901 , G06F16/906 , G06F40/126 , G06F40/151 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于层次化图卷积神经网络模型的案源线索分类处理方法，包括：对案源数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；多阈值稀疏图的构建，利用不同阈值分割转换后的图数据，构造不同级别的稀疏图；针对步骤二中得出的稀疏图，使用层次图卷积网络学习图的拓扑结构以及图与图之间的关联关系；使用不同阈值的图，构建不同的Hi‑GCN进行分类，最后通过集成分类器得到最终的案源线索分类结果。本发明通过构建稀疏图，并使用多层次的图卷积网络以及集成学习来进行图学习并捕捉多图之间的内在相关性，以改进用于图数据分类的网络嵌入学习，使网络能够提高图数据的分类性能。
-
公开(公告)号：CN114154022B
公开(公告)日：2025-02-14
申请号：CN202111341170.2
申请日：2021-11-12
Applicant: 东北大学
IPC: G06F16/901 , G06F16/906 , G06F40/126 , G06F40/151 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于层次化图卷积神经网络模型的案源线索分类处理方法，包括：对案源数据集进行预处理，将案源线索文本数据转化为包含文本逻辑关系的图数据；多阈值稀疏图的构建，利用不同阈值分割转换后的图数据，构造不同级别的稀疏图；针对步骤二中得出的稀疏图，使用层次图卷积网络学习图的拓扑结构以及图与图之间的关联关系；使用不同阈值的图，构建不同的Hi‑GCN进行分类，最后通过集成分类器得到最终的案源线索分类结果。本发明通过构建稀疏图，并使用多层次的图卷积网络以及集成学习来进行图学习并捕捉多图之间的内在相关性，以改进用于图数据分类的网络嵌入学习，使网络能够提高图数据的分类性能。
-
-
-
Search Results
4
records
(took 0.021 seconds)
