公开(公告)号：CN111581962B

公开(公告)日：2023-02-21

申请号：CN202010408666.6

申请日：2020-05-14

Applicant: 福州大学

Inventor： 刘耿耿 ,  谢麟 ,  郭文忠 ,  陈国龙

IPC: G06F40/284 ,  G06N3/0464

Abstract: 本发明涉及一种基于主题词向量与混合神经网络的文本表示方法，包括以下步骤：S1）在词向量预训练阶段，结合LDA主题模型与word2vec词向量模型搭建主题词模型，使用搭建的主题词模型进行主题词向量预训练；S2）基于卷积神经网络搭建变分自编码器，使用变分自编码器的编码器部分，建立基于主题词向量预训练和混合神经网络的文本表示模型，以进行文本表示。该方法有利于使文本表示具有更多的语义信息，从而在文本分类中取得更佳的结果。

公开(公告)号：CN111581962A

公开(公告)日：2020-08-25

申请号：CN202010408666.6

申请日：2020-05-14

Applicant: 福州大学

Inventor： 刘耿耿 ,  谢麟 ,  郭文忠 ,  陈国龙

IPC: G06F40/284 ,  G06N3/04

Abstract: 本发明涉及一种基于主题词向量与混合神经网络的文本表示方法，包括以下步骤：S1）在词向量预训练阶段，结合LDA主题模型与word2vec词向量模型搭建主题词模型，使用搭建的主题词模型进行主题词向量预训练；S2）基于卷积神经网络搭建变分自编码器，使用变分自编码器的编码器部分，建立基于主题词向量预训练和混合神经网络的文本表示模型，以进行文本表示。该方法有利于使文本表示具有更多的语义信息，从而在文本分类中取得更佳的结果。

公开(公告)号：CN110138787A

公开(公告)日：2019-08-16

申请号：CN201910416314.2

申请日：2019-05-20

Applicant: 福州大学

Inventor： 郭文忠 ,  连鸿飞 ,  张浩 ,  谢麟

IPC: H04L29/06 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种基于混合神经网络的异常流量检测方法及系统，首先采集网络流量数据，并以网络流为粒度进行特征提取与数据预处理；然后通过卷积神经网络学习网络流量数据中的空间特征；再将这些包含空间信息的特征输入到双向长短时记忆网络进一步学习其时序特征；最后输出检测结果。本发明相比于目前的机器学习与深度学习异常流量检测方法能更好的挖掘高维特征，提升入侵检测模型的准确性。本发明设计合理，所得分类模型精确率、检测率和准确率均较高。

公开(公告)号：CN109783645A

公开(公告)日：2019-05-21

申请号：CN201910062185.1

申请日：2019-01-23

Applicant: 福州大学

Inventor： 刘耿耿 ,  谢麟 ,  连鸿飞

IPC: G06F16/35 ,  G06F17/27 ,  G06K9/62

Abstract: 本发明涉及一种基于变分自编码的文本分类方法，首先，将非结构化的文本数据转化为结构化的向量表示，从而使得文本数据能够被计算机所处理；其次，对得到的文本向量，使用变分自编码器来对其进行降维；最后，通过十则交叉验证来对分类器进行训练，得到最后的分类精度。本发明利用变分自编码器来对文本数据进行降维，而后再对降维的数据进行分类，能够有效的提升文本分类精度。