公开(公告)号：CN113887213A

公开(公告)日：2022-01-04

申请号：CN202111164755.1

申请日：2021-09-30

申请人： 深圳市检验检疫科学研究院 ,  合肥工业大学

发明人： 包先雨 ,  吴共庆 ,  何俐娟 ,  柯培超 ,  陆振亚 ,  王歆 ,  程立勋 ,  蔡伊娜 ,  郑文丽 ,  慕容灏鼎 ,  蔡屹

IPC分类号： G06F40/284 ,  G06F40/211 ,  G06N3/04 ,  G06N3/08

摘要： 本申请提供了一种基于多层图注意力网络的事件检测方法及装置，包括获取事件文本信息中的上下文单词，并确定与所述上下文单词对应的句法信息邻接矩阵和拼接向量；将所述邻接矩阵和所述拼接向量作为人工神经网络的输入，获取输出向量；依据所述拼接向量与所述输出向量聚合生成聚合信息；依据所述聚合信息确定所述上下文单词的触发词类别。本申请通过同时结合上下文单词的句法信息和上下文信息，有效解决使用句法分析工具容易出现信息丢失和错误传播的问题；并且通过在图注意力网络层中结合跳跃连接模块，避免因为一些短距离的句法信息过度传播从而导致最终触发词的分类不理想的情况出现，有效提高触发词分类的精度、召回率以及F1值。

公开(公告)号：CN113988052A

公开(公告)日：2022-01-28

申请号：CN202111295587.X

申请日：2021-11-03

申请人： 深圳市检验检疫科学研究院 ,  合肥工业大学

发明人： 包先雨 ,  吴共庆 ,  程立勋 ,  黄孙杰 ,  孙晨晨 ,  何俐娟 ,  柯培超 ,  方凯彬 ,  蔡伊娜 ,  郑文丽 ,  王歆

IPC分类号： G06F40/211 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

摘要： 本申请提供了一种基于图扰动策略的事件检测方法及装置，包括获取给定句子中的上下文单词，生成与所述上下文单词对应的句法信息邻接矩阵和拼接向量；依据所述句法信息邻接矩阵生成句法图；依据所述拼接向量确定与所述上下文单词对应的上下文表示；将所述句法信息邻接矩阵和所述上下文表示作为人工神经网络的输入，获取输出信息；依据所述上下文表示与所述输出信息预测所述上下文单词的类型。本申请通过引入句法信息和两种图扰动策略来过滤句子中冗余信息，保留重要单词信息，并使用图修复操作减少句法信息的损失，可以有效解决事件检测过程中由于长句子中冗余信息过多所导致的分类效率低下的问题。

公开(公告)号：CN114445639A

公开(公告)日：2022-05-06

申请号：CN202210014102.3

申请日：2022-01-06

申请人： 深圳市检验检疫科学研究院 ,  深圳大学 ,  深圳海关信息中心

发明人： 包先雨 ,  方凯彬 ,  李俊杰 ,  程立勋 ,  林伟钦 ,  王歆

IPC分类号： G06V10/44 ,  G06V10/62 ,  G06V10/74 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于双重自注意的动态图异常检测方法，包括如下步骤：S1：DuSAG提取动态图的结构特征和时序特征进行异常边的检测；S2：DuSAG将结构自注意应用于图的随机游走采样得到的顶点序列，使DuSAG能够关注顶点序列中更加重要的顶点，以此增强图的结构特征学习；S3：DuSAG将时序自注意应用在不同时间戳的顶点嵌入上，使DuSAG能够捕获顶点的进化模式，学习图的时序特征。本发明引入结构自注意机制，关注更加重要的顶点，相比NetWalk增强了结构特征的提取。DuSAG引入时序自注意，学习顶点的进化模式，提取时序特征。DuSAG在检测异常数据有较好的效果以及双重自注意在异常检测的有效性。

公开(公告)号：CN114328927A

公开(公告)日：2022-04-12

申请号：CN202111655179.0

申请日：2021-12-30

申请人： 深圳市检验检疫科学研究院 ,  深圳大学 ,  深圳海关信息中心

发明人： 包先雨 ,  李俊杰 ,  吴绍精 ,  郑文丽 ,  明胜蓝 ,  王歆

IPC分类号： G06F16/35 ,  G06F40/289 ,  G06N3/04

摘要： 本发明公开了一种基于标签感知的门控循环采集方法，包括如下步骤：S1、混合注意力层：混合注意层计算前一时间步分类预测向量与当前时间步文本词嵌入之间的注意权重；S2、文本特征提取层：使用卷积神经网络来提取文本特征；S3、循环采集层：门控循环单元根据前一时间步的分类结果和当前时间步的文本特征进行分类预测。本发明的分类结果具有更高的F1值(F1score)和更低的汉明损失(Hamming‑loss)。这说明模型的多次重读机制能够提升多标签分类的性能。本发明针对现有多标签分类算法的不足，将多标签分类任务建模为一个循环决策过程，考虑到了标签间的相关性，提升了模型的分类性能。

公开(公告)号：CN114443909A

公开(公告)日：2022-05-06

申请号：CN202210019006.8

申请日：2022-01-10

申请人： 深圳市检验检疫科学研究院 ,  深圳大学 ,  深圳海关信息中心

发明人： 方凯彬 ,  李俊杰 ,  包先雨 ,  蔡伊娜 ,  林伟钦 ,  王歆

IPC分类号： G06F16/901 ,  G06F16/906 ,  G06Q50/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了基于社区结构的动态图异常检测方法，包括如下步骤：S1：首先定义动态图异常边检测的具体定义；S2：CmaGraph由C‑Block、M‑Block和A‑Block构成，C‑Block检测动态图的进化社区，M‑Block重建社区内与社区间顶点的距离，使得同一社区内的顶点嵌入之间的欧式距离上互相靠近，位于不同社区的顶点嵌入之间的欧式距离互相远离；S3：顶点嵌入最终输入到A‑Block进行异常检测。本发明在检测异常数据有较好的效果以及社区结构在异常检测的有效性。针对在基于图嵌入方法利用社区结构进行异常检测的研究空白，本发明填补了这方面的研究空白。