申请/专利权人:南京理工大学
申请日:2024-01-09
公开(公告)日:2024-03-26
公开(公告)号:CN117763238A
主分类号:G06F16/9535
分类号:G06F16/9535;G06F40/194;G06N3/042;G06N3/0464;G06N3/048;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开了一种基于多图神经网络的学位论文评审专家推荐方法,根据论文中关键词与专家发表论文关键词数据,首先构建关键词与专家二分图,通过图卷积神经网络挖掘关键词和专家之间的高阶关系。其次,由于一篇论文存在多个关键词,因此需要构建关键词与关键词共现图,通过图注意力网络挖掘关键词之间相关性。然后通过多层感知机将多个关键词融合捕获关键词之间的隐式关联性,生成多个关键词整体的表征。最后使用关键词整体表征与专家表征交互输出预测相似度,排序所有专家与关键词的相似度并推荐前K个专家。本发明提高了评审专家的推荐结果,可以用于学位论文评审工作,提高学位论文管理者的工作效率和学位论文评审的质量。
主权项:1.一种基于多图神经网络的学位论文评审专家推荐方法,其特征在于:1利用预训练语言模型BERT获得输入关键词的嵌入向量,通过可学习的Embedding操作将输入的专家one-hot稀疏向量转化为稠密向量,最终得到专家的嵌入向量;2根据论文中关键词与专家发表论文关键词数据,分别构建关键词与专家二分图和关键词与关键词共现图;3将关键词和专家的嵌入向量输入到关键词与专家二分图中,并将关键词的嵌入向量输入到关键词与关键词共现图中,此时图中关键节点和专家节点已携带嵌入向量信息,利用加权平均操作和注意力机制将图中邻居节点的信息传递到目标节点,然后使用拼接聚合方法聚合邻居节点和目标节点的信息,得到节点的嵌入表示;4通过堆叠多个图卷积层和图注意力层实现高阶传播,将每一层的输出作为下一层的输入,通过多次迭代信息传播和非线性变换,使关键词节点和专家节点能够逐渐融合更多的上下文信息,最终通过连接操作合并多个网络层输出的节点嵌入表示,得到关键词节点和专家节点的表征;5得到多个关键词表征后,将多个关键词融合输入到多层感知机中,得到最终的整体关键词表征;6将得到的整体关键词表征和专家表征进行交互操作来预测关键词与专家之间的相似度,通过排序所有专家与关键词的相似度并推荐前K个专家。
全文数据:
权利要求:
百度查询: 南京理工大学 基于多图神经网络的学位论文评审专家推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。