买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京邮电大学;北京万方数据股份有限公司

摘要：本申请提出了一种基于异质引文网络自动检测论文工厂论文的方法，该方法包括：获取论文工厂论文作为原始数据，对原始数据进行处理，构建引文异构图网络，并基于引文异构图网络生成多种元路径；对每个论文工厂论文进行文字特征提取，获取每个论文节点的初始嵌入向量；基于引文异构图网络、多种元路径和每个论文节点的初始嵌入向量，依次对每个论文节点进行节点级注意学习和语义级注意学习，获得每个论文节点的最终嵌入特征向量；通过最终嵌入特征向量训练分类器模块，并利用训练完成的分类器模块检测待处理论文。该方法针对论文的引用关系构建检测模型，能够自动检测出论文工厂论文，提高了论文工厂论文检测的效率和准确性。

主权项：1.一种基于异质引文网络自动检测论文工厂论文的方法，其特征在于，包括以下步骤：获取大量论文工厂产出的论文作为原始数据，对所述原始数据进行追踪分析处理，构建论文工厂论文的引文异构图网络，并基于所述引文异构图网络生成多种元路径；对每个论文工厂论文进行文字特征提取，获取所述引文异构图网络中每个论文节点的初始嵌入向量；基于所述引文异构图网络、所述多种元路径和每个所述论文节点的初始嵌入向量，依次对每个所述论文节点进行节点级注意学习和语义级注意学习，获得每个所述论文节点针对论文工厂论文检测任务的最终嵌入特征向量；通过各个所述论文节点的最终嵌入特征向量训练分类器模块中的决策树，以挖掘论文工厂论文的深层特征，并利用训练完成的分类器模块判定当前待处理论文的检测结果；所述节点级注意学习通过在目标节点所在的元路径上对邻居节点的特征进行聚合，以生成针对特定语义的节点嵌入表示，对论文节点进行所述节点级注意学习，包括：通过自注意力机制学习所述引文异构图网络中各类节点之间的相对权重，计算同一元路径中节点对之间的相对重要程度： 其中，表示执行节点级注意的深度神经网络，，表示当前处理的元路径；将所述同一元路径中节点对之间的相对重要程度进行归一化处理；通过聚合邻居节点特征和归一化处理后的相对重要程度，计算每个节点基于元路径的嵌入表示；重复执行预设数量次节点级注意学习，将得到的基于元路径的嵌入表示连接为所述针对特定语义的节点嵌入表示；所述语义级注意学习通过计算不同元路径下的节点嵌入表示的最优加权组合，生成所述最终嵌入特征向量，对论文节点进行所述语义级注意学习，包括：将每个元路径下的节点嵌入表示进行非线性变换处理，获得每个元路径表示的语义；计算每个所述元路径表示的语义与预设的语义级关注向量之间的相似度，以获得每个元路径的权重；将所述元路径的权重作为系数，融合每个元路径下的节点嵌入表示和对应的元路径的权重，生成所述最终嵌入特征向量。

全文数据：

权利要求：

百度查询： 北京邮电大学 北京万方数据股份有限公司 基于异质引文网络自动检测论文工厂论文的方法