-
公开(公告)号：CN118866216A
公开(公告)日：2024-10-29
申请号：CN202410906087.2
申请日：2024-07-08
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G16H10/60 , G16H50/20 , G16H50/30 , G16H50/70 , G16H40/67 , G06N5/025 , G06N3/042 , G06N3/098 , G06F40/16 , G06F18/213 , G06N3/045 , G06N3/0464
Abstract: 本发明一种基于联邦学习和知识图谱的痛风病分期预测方法、系统及存储介质，涉及智能医疗领域，为解决现有的机器学习模型难以全面、准确地捕捉病例数据中的关键信息，且存在隐私数据泄露的风险，及医院之间的数据孤岛问题。本发明客户端基于患者病历数据集构建关键词相关的知识图谱子图；中心服务端构建有R‑GCN模型，客户端采用知识图谱子图对R‑GCN模型进行训练，模型参数经加密后发送至中心服务端聚合，至模型满足训练条件。采用训练后的模型对知识图谱子图进行编码，得到编码信息R1；对数据集中的文本特征数据进行向量化编码与数值特征进行横向连接得到编码信息R2；横向连接编码信息R1与R2后，经过深度学习网络模型对痛风病的不同分期进行分类预测。
-
公开(公告)号：CN117150557A
公开(公告)日：2023-12-01
申请号：CN202311143399.4
申请日：2023-09-06
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F21/62
Abstract: 本发明一种基于安全多方计算的支持压缩的隐私信息检索方法及系统，涉及信息安全技术领域，为解决现有方法的检索效率低且难以同时兼顾查询方和被查询方的隐私的问题。包括：S1.客户端生成同态加密公私钥pk、sk，服务端根据客户端公布的公钥pk和服务端持有的n条原始数据基于安全计算的隐私信息检索协议进行运算构建HE同态明文数据库；S2.客户端对查询的索引i进行编码生成明文向量X，将查询向量X编码到一个同态明文多项式Q；S3.客户端对多项式Q进行加密得到查询密文q，向服务端发起查询；S4.服务器将查询密文q扩展为一个n维的查询密文向量p；S5.服务器根据扩展向量p得到最终检索结果resp；S6.客户端利用私钥sk解密得到检索结果。
-
公开(公告)号：CN113657103A
公开(公告)日：2021-11-16
申请号：CN202110951137.5
申请日：2021-08-18
Applicant: 哈尔滨工业大学
IPC: G06F40/279 , G06F40/30 , G06N20/00
Abstract: 本发明提供一种基于NER的非标准中文快递寄件信息识别方法及系统，从快递公司的下单数据统一获取快递寄件信息，然后对于数据预处理，得到标注数据集；读取数据，建立文本向量化模型进行单词特征表示，得到单词嵌入和位置嵌入；建立时序概率预测模型进行语义解码，得到对应的标签得分概率；建立最大化概率预测学习数据集中的标签转移概率，修正时序概率预测模型的输出，得到准确合理的标签预测序列；对非标准中文快递寄件信息实体识别结果进行可视化展示。本发明从正反两个方向挖掘文本中的上下文信息并考虑字符间的关联性从而输出更准确的预测序列，很好的改善了用户输入不规范时寄件信息要素识别精度较低的情况。
-
公开(公告)号：CN117688238A
公开(公告)日：2024-03-12
申请号：CN202311688369.1
申请日：2023-12-11
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F16/9535 , H04L67/55 , G06N3/042 , G06N5/02
Abstract: 本发明提供了一种基于知识图谱和图神经网络的服务推荐方法及系统，属于服务推荐技术领域。为了解决传统推荐方法依赖用户的历史行为进行推荐，缺乏推荐的多样性和创新性，同时也没有注意到推荐的时效问题。本发明将用户‑应用二部图与知识图谱聚合形成协同知识图谱来进行嵌入传播，挖掘用户应用之间的深层语义关联性。同时根据应用的新颖度打分来自适应图注意力权重系数，以此来反映用户的个性化兴趣，获取更多潜在数据信息，提高推荐算法的准确性和时效性。
-
公开(公告)号：CN117076514A
公开(公告)日：2023-11-17
申请号：CN202311115010.5
申请日：2023-08-31
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06F16/2457 , G06F18/214 , G06F18/25 , G06F21/62 , G06F17/15
Abstract: 本发明一种基于联邦学习的多模态推荐方法及系统，涉及计算机信息推荐技术领域，为解决现有方法难以保障多方的数据不出本地、断绝数据在上传过程中的隐私泄露并实现高精度的推荐的问题。包括：步骤1：多个客户端分别对本地数据集进行预处理；步骤2：服务器端构建多模态模型及损失函数，并下发至各客户端；步骤3：各客户端对模型进行训练，将最优模型参数上传至服务器端；步骤4：服务器端对各模型参数进行聚合得到聚合模型，并对其进行训练，再次下发到客户端；步骤5：客户端对模型再次进行验证和测试，得到多模态推荐模型，实现联邦多模态推荐。本发明在保护用户隐私的前提下，有效地融合多个分布式数据源的信息，进行个性化的推荐。
-
Patent Agency Ranking
公开(公告)号：CN113657103B
公开(公告)日：2023-05-12
申请号：CN202110951137.5
申请日：2021-08-18
Applicant: 哈尔滨工业大学
IPC: G06F40/279 , G06F40/30 , G06N20/00
Abstract: 本发明提供一种基于NER的非标准中文快递寄件信息识别方法及系统，从快递公司的下单数据统一获取快递寄件信息，然后对于数据预处理，得到标注数据集；读取数据，建立文本向量化模型进行单词特征表示，得到单词嵌入和位置嵌入；建立时序概率预测模型进行语义解码，得到对应的标签得分概率；建立最大化概率预测学习数据集中的标签转移概率，修正时序概率预测模型的输出，得到准确合理的标签预测序列；对非标准中文快递寄件信息实体识别结果进行可视化展示。本发明从正反两个方向挖掘文本中的上下文信息并考虑字符间的关联性从而输出更准确的预测序列，很好的改善了用户输入不规范时寄件信息要素识别精度较低的情况。
-
公开(公告)号：CN118864087A
公开(公告)日：2024-10-29
申请号：CN202410910485.1
申请日：2024-07-09
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q40/03 , G06N3/098 , G06N3/084 , G06N3/0499 , G06F21/62
Abstract: 本发明一种基于联邦学习和隐私保护的供应链金融信贷风险评估方法、系统及存储介质，涉及供应链金融领域，为解决现有方法中模型无法灵活适应不同类型数据，以及数据量不足和数据隐私问题。本发明基于联邦学习模型，参与方客户端采用信息瓶颈对信贷数据进行特征提取，并采用差分隐私向数据添加噪声，中心服务器对数据进行汇总得到全局数据集；改进的多层感知机的网络模型引入自适应激活函数和层间残差连接，参与方客户端基于本地数据集结合全局数据集对网络模型进行训练，采用同态加密对传送的模型参数加密，中心服务器对各参与方客户端模型参数进行安全聚合并解密，更新模型参数，循环训练得到信贷风险评估模型，对供应链金融信贷风险进行评估。
-
公开(公告)号：CN118779912A
公开(公告)日：2024-10-15
申请号：CN202410891893.7
申请日：2024-07-04
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
Abstract: 本发明公开了一种基于区块链技术的行程匹配方法及系统，涉及行程匹配技术领域。本发明的技术要点包括：所述方法应用在区块链上，首先确定最优行程距离的双方用户；然后调用智能合约对双方用户的位置数据进行扰动处理，调用智能合约对双方用户的手机号码进行加密处理，并存储扰动处理后的位置数据和加密后的手机号码；最后基于扰动处理后的位置数据对双方用户进行行程匹配；其中，扰动处理使得原始位置数据被加入随机噪声，双方用户无法从扰动后的数据中推断原始位置。本发明能够确保双方用户无法直接获取到对方的具体位置数据和手机号码，同时也能够保障用户的个人信息不被滥用，为用户提供了更加私密和可靠的出行体验。
-
公开(公告)号：CN118569559A
公开(公告)日：2024-08-30
申请号：CN202410622333.1
申请日：2024-05-20
Applicant: 哈尔滨理工大学 , 哈尔滨工业大学 , 中数(深圳)时代科技有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/042 , G06F18/2411 , H04L67/12
Abstract: 一种基于图卷积网络的联邦学习无人车充电预测方法、系统及存储介质，涉及港口自动化运输领域，为解决现有方法无法提供精确的充电调度，且存在数据孤岛的问题。本发明基于联邦学习模型，包括一个中心服务器和N个客户端，N个客户端包括无人车节点和充电站节点；S1、客户端分别接收无人车实时采集的数据；S2、采用图卷积网络处理无人车节点与充电站节点之间的交互，将无人车图结构数据与其它特征数据进行特征提取与融合，引入注意力机制增强对关键信息的聚焦；S3、客户端构建有无人车充电预测模型；S4、各客户端对模型进行训练；S5、各客户端将训练后的模型参数进行同态加密并发送给中心服务器进行聚合；S7、采用训练后的模型进行无人车充电预测。
-
公开(公告)号：CN115358229A
公开(公告)日：2022-11-18
申请号：CN202210621468.7
申请日：2022-06-02
Applicant: 哈尔滨工业大学
IPC: G06F40/289 , G06F40/216 , G06K9/62
Abstract: 本发明涉及一种基于特征相似度与特征值相似度融合的快递地址聚类方法，包括以下步骤：S1：获取快递的下单数据，统一获取快递地址信息，并对下单数据进行预处理，得到原始数据集；S2：按照设定的行政地址划分规则进行分词处理，进行词频统计过滤停用词；S3：建立特征词抽取模型对特征词进行选取，然后对不同特征赋予不同的权值；S4：建立相似度计算公式，依照改进的相似度计算公式对抽取到的特征词进行相似度计算；S5：建立基于特征相似度和特征值相似度融合的层次聚类算法，对客户行政地址进行聚类；S6：对快递末端网点客户地址聚类结果进行可视化展示。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
