一种基于联邦学习的多方知识图谱嵌入方法

    公开(公告)号:CN119940502A

    公开(公告)日:2025-05-06

    申请号:CN202510021516.2

    申请日:2025-01-07

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于联邦学习的多方知识图谱嵌入方法,构造一个实体中央服务器,确定初始化的全局实体嵌入E0,利用全局嵌入E0预训练出K个局部知识图谱初始化的实体嵌入#imgabs0#及关系嵌入#imgabs1#将初始化的E0下载到客户端中使用图注意力网络局部模型进行e轮局部实体嵌入和关系嵌入的迭代训练;K个局部训练的实体嵌入上传到中央服务器端进行全局聚合得到全局实体嵌入;重复n轮全局嵌入下载到局部嵌入进行局部训练及局部嵌入聚合到全局嵌入;联邦学习下训练的嵌入参数与只基于局部训练的嵌入参数融合,K方得到鲁棒的本地嵌入模型。本方法可用于多方用户,在保护数据隐私的情况下,高效利用他方数据进行模型参数训练,提高实体间关系预测的准确性,并进行知识图谱补全。

    一种基于用户偏好与信誉值的动态PBFT共识方法

    公开(公告)号:CN119760773A

    公开(公告)日:2025-04-04

    申请号:CN202411839456.7

    申请日:2024-12-13

    Applicant: 湖南大学

    Abstract: 本发明涉及一种基于用户偏好与信誉值的动态PBFT共识方法,包括:引入用户偏好模型,允许用户自定义参数来选举共识节点与主节点;通过引入用户偏好模型与分组机制,共识节点与主节点性能更符合用户要求;还对节点的信誉值进行动态计算,可靠的节点才能当选为主节点,并且在共识过程中能够及时发现并处理拜占庭节点,降低拜占庭节点的影响,增加了系统抗攻击性。本发明提升了系统的适应性,更好地满足了多样化的应用需求,且相比于传统的PBFT方法具有更高的安全性和性能。

Patent Agency Ranking