期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
跨粒度子图对比学习与注意力融合的药物—基因关系预测
1
作者
胡冬冬
彭杨
+1 位作者
谭暑秋
朱小飞
《太原理工大学学报》
北大核心
2025年第1期127-136,共10页
【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很...
【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很好地聚合节点的信息,同时,药物和基因的节点表示采用简单的融合方式,不能够有效地利用节点表示的信息,用于交互关系的分类。针对上述问题提出了跨粒度对比学习与注意力融合的药物-基因交互关系预测方法。【方法】一方面采用跨粒度的对比学习方法,得到远距离和近距离的节点信息,同时采用对比学习的结构增加对药物和基因节点的区分。另一方面利用注意力融合机制,充分挖掘节点中隐含的信息,将远近距离信息进行注意力融合。【结果】在2个真实数据集上的实验结果表明该模型比基线模型具有更好的分类效果。
展开更多
关键词
对比学习
图
表示学习
关系图神经网络
注意力机制
基因-药物
关系
预测
在线阅读
下载PDF
职称材料
DcRD:聚合图信息流的双通道重入漏洞检测
2
作者
苗春雨
林浩
+2 位作者
王春东
牛德合
方顺尧
《计算机工程与应用》
北大核心
2025年第16期283-291,共9页
随着区块链技术的成熟和智能合约的广泛应用,保证其安全性已经成为重要的研究方向。在合约部署前有效检测漏洞可以防止用户资产受损。目前,基于深度学习的研究取得了初步成功,但由于未能充分考虑代码的不同表示的信息对漏洞检测的贡献,...
随着区块链技术的成熟和智能合约的广泛应用,保证其安全性已经成为重要的研究方向。在合约部署前有效检测漏洞可以防止用户资产受损。目前,基于深度学习的研究取得了初步成功,但由于未能充分考虑代码的不同表示的信息对漏洞检测的贡献,其准确率仍然有提升空间。提出了一种聚合图信息流的双通道重入漏洞检测方法(dual-channel reentrancy vulnerability detection with aggregated graph information flow,DcRD)。其中上侧通道基于专家知识利用模式匹配获取模式特征。下侧通道针对合约代码的非欧图表示,使用关系图神经网络(relational graph neural network,R-GNN)加权聚合图中不同信息流,获取更先进的图特征。结合注意力机制对双通道特征赋权融合用于漏洞检测。同时关注了通道内和通道层的不同特征对检测结果的差异性影响,以提高检测准确率。通过与多个基线模型进行比较实验以及搭建多个DcRD的变体模型进行消融实验,证明了DcRD模型在多个检测指标上均优于基线模型,平均准确率达到了98.50%,平均精确率为99.09%,平均召回率为96.46%,平均F1分数为97.76%。
展开更多
关键词
重入漏洞检测
关系图神经网络
(R-GNN)
图
信息流
双通道特征
注意力机制
在线阅读
下载PDF
职称材料
题名
跨粒度子图对比学习与注意力融合的药物—基因关系预测
1
作者
胡冬冬
彭杨
谭暑秋
朱小飞
机构
重庆理工大学计算机科学与工程学院
出处
《太原理工大学学报》
北大核心
2025年第1期127-136,共10页
基金
国家自然科学基金项目(62141201)
重庆市自然科学基金项目(CSTB2022NSCQ-MSX1672)
重庆市教育委员会科学技术研究计划重大项目(KJZD-M202201102)。
文摘
【目的】阐明药物和基因之间的相互联系是药物开发中的一个重要课题。目前,基于随机游走算法的图神经网络方法在解决药物与基因交互关系识别上已经取得了不错的效果,但是当前的方法,单一子图的方法往往容易忽略掉全局图的信息,不能够很好地聚合节点的信息,同时,药物和基因的节点表示采用简单的融合方式,不能够有效地利用节点表示的信息,用于交互关系的分类。针对上述问题提出了跨粒度对比学习与注意力融合的药物-基因交互关系预测方法。【方法】一方面采用跨粒度的对比学习方法,得到远距离和近距离的节点信息,同时采用对比学习的结构增加对药物和基因节点的区分。另一方面利用注意力融合机制,充分挖掘节点中隐含的信息,将远近距离信息进行注意力融合。【结果】在2个真实数据集上的实验结果表明该模型比基线模型具有更好的分类效果。
关键词
对比学习
图
表示学习
关系图神经网络
注意力机制
基因-药物
关系
预测
Keywords
contrastive learning
graph representation learning
relational graph neural network
attention mechanism
gene-drug interaction prediction
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
DcRD:聚合图信息流的双通道重入漏洞检测
2
作者
苗春雨
林浩
王春东
牛德合
方顺尧
机构
天津理工大学计算机科学与工程学院
天津市智能计算及软件新技术重点实验室
学习型智能系统教育部工程研究中心
出处
《计算机工程与应用》
北大核心
2025年第16期283-291,共9页
基金
国家重点研发计划“区块链”重点专项(2023YFB2703900)。
文摘
随着区块链技术的成熟和智能合约的广泛应用,保证其安全性已经成为重要的研究方向。在合约部署前有效检测漏洞可以防止用户资产受损。目前,基于深度学习的研究取得了初步成功,但由于未能充分考虑代码的不同表示的信息对漏洞检测的贡献,其准确率仍然有提升空间。提出了一种聚合图信息流的双通道重入漏洞检测方法(dual-channel reentrancy vulnerability detection with aggregated graph information flow,DcRD)。其中上侧通道基于专家知识利用模式匹配获取模式特征。下侧通道针对合约代码的非欧图表示,使用关系图神经网络(relational graph neural network,R-GNN)加权聚合图中不同信息流,获取更先进的图特征。结合注意力机制对双通道特征赋权融合用于漏洞检测。同时关注了通道内和通道层的不同特征对检测结果的差异性影响,以提高检测准确率。通过与多个基线模型进行比较实验以及搭建多个DcRD的变体模型进行消融实验,证明了DcRD模型在多个检测指标上均优于基线模型,平均准确率达到了98.50%,平均精确率为99.09%,平均召回率为96.46%,平均F1分数为97.76%。
关键词
重入漏洞检测
关系图神经网络
(R-GNN)
图
信息流
双通道特征
注意力机制
Keywords
reentrancy vulnerability detection
relational graph neural network(R-GNN)
graph information flow
dualchannel features
attention mechanism
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
跨粒度子图对比学习与注意力融合的药物—基因关系预测
胡冬冬
彭杨
谭暑秋
朱小飞
《太原理工大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
DcRD:聚合图信息流的双通道重入漏洞检测
苗春雨
林浩
王春东
牛德合
方顺尧
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
