-
公开(公告)号：CN115293815A
公开(公告)日：2022-11-04
申请号：CN202210979506.6
申请日：2022-08-16
Applicant: 重庆邮电大学
Abstract: 本发明属于网络对齐领域，具体涉及一种基于用户商品兴趣的跨平台电商用户对齐方法；该方法包括：获取不同电商平台的用户数据；根据用户数据构建原始普图；对原始普图进行对偶超图转换和边缘剪枝处理，得到用户商品关系图；根据用户商品关系图计算商品的特征投影；根据商品的特征投影计算用户兴趣特征向量；根据用户商品关系图对用户基本属性数据进行处理，得到用户属性特征向量；对用户兴趣特征向量和用户属性特征向量进行融合，得到用户信息表示；根据用户信息表示进行信息匹配，得到两电商平台的用户对齐结果；本发明对齐准确性高，有助于电商平台对用户进行商品推荐，实用性高。
-
公开(公告)号：CN110795641B
公开(公告)日：2022-09-27
申请号：CN201911071623.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06F40/289
Abstract: 本发明属于社交网络谣言信息控制技术领域，特别涉及一种基于表示学习的网络谣言传播控制方法，包括获取原始数据进行预处理，并对预处理后的原始数据进行时间分片；提取用户社交结构、用户历史信息、用户基本属性三个方面的相关属性向量，并将相关属性转换为低位稠密实质向量；构建图卷积神经网络，并将特征向量作为图卷积神经网的输入；利用训练数据对图卷积神经网络进行训练；图卷积神经网络输出下一个时刻用户的粉丝参与话题的概率、该粉丝参与谣言的概率以及该粉丝参与辟谣话题的概率；若该用户参与谣言的概率最大，则将辟谣消息推送给该用户；本发明使用表示学习的方法全貌表示了谣言话题下用户的特征，从而使最后的预测效果更好。
-
公开(公告)号：CN113055372B
公开(公告)日：2022-07-01
申请号：CN202110255051.9
申请日：2021-03-09
Applicant: 重庆邮电大学
IPC: H04L9/40
Abstract: 本发明属于互联网应用技术领域，尤其涉及一种恶意软件的传播预测方法；所述方法包括获取数据库中用户节点及其交互数据，并提取出用户节点的传播属性；采用Doc2vec算法从用户节点传播内容组成的段落中学习出用户节点的用户行为特征向量；采用基于张量分解的向量化算法Tensor2vec从恶意软件传播网络中学习出用户节点网络结构特征向量；在图卷积神经网络中对恶意软件进行传播预测，并预测出恶意软件是否传播给用户节点和该恶意软件的传播趋势；本发明考虑到数据的稀疏性带来的计算精度不准的问题，采用张量分解的方法计算用户节点间的感染强度，并利用表示学习方法挖掘恶意软件传播空间特征信息，能有效进行恶意软件的传播预测。
-
公开(公告)号：CN112464082B
公开(公告)日：2022-06-28
申请号：CN202011226185.X
申请日：2020-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于网络舆情分析领域，具体涉及一种基于稀疏表示和张量补全的谣言‑辟谣博弈传播控制方法，该方法包括：获取用户数据信息，对用户数据信息进行预处理；提取预处理后的用户数据信息的相关属性；将用户数据信息的相关属性输入到基于稀疏表示和张量补全的谣言‑辟谣博弈传播模型，预测用户传播谣言的趋势；根据预测的用户谣言传播趋势对谣言传播的用户进行控制，阻止谣言的传播；本发明利用演化博弈理论和神经网络对用户是否参加谣言‑辟谣话题进行预测，可动态化的预测用户在什么时候参与该话题讨论，并对谣言话题发展趋势进行态势感知。
-
公开(公告)号：CN112418525B
公开(公告)日：2022-06-10
申请号：CN202011325005.3
申请日：2020-11-24
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/04 , G06F16/9536 , G06F40/289
Abstract: 本发明属于社交网络分析领域，具体为一种社交话题群体行为的预测方法、装置及计算机存储介质；所述预测方法包括构建出对抗生成网络对话题数据进行数据增强；采用节点游走策略形成话题序列；以最大化概率熵为目标，提取出游走完成的话题序列的低维向量；采用融合注意力机制将数据增强后的话题数据的文本信息映射到低维的向量空间，提取出影响群体行为的文本特征因素；输入话题序列的低维向量和文本特征因素，采用卷积神经网络预测出下一时间段的潜在话题节点群体用户是否会参与热点话题的传播；本发明有效地缓解了有效数据稀疏性、话题传播特征空间复杂性和话题时限性带来的问题，提高了社交话题群体行为预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN113971373A
公开(公告)日：2022-01-25
申请号：CN202111311305.0
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/08
Abstract: 本发明属于智能交通领域，具体涉及一种基于视频修复技术的交通流量插补方法，该方法包括：获取车辆数据，根据获取的车辆数据构建车辆轨迹；将车辆轨迹输入到Skip‑gram模型中，提取卡口特征向量；采用t‑SNE算法对卡口特征向量进行降维处理，得到卡口二维特征分布；将卡口二维特征分布进行扩散，生成卡口矩阵，并填充卡口流量生成路网流量图像；将路网流量图像输入到交通流量插补模型中，得到恢复流量的数据；所述交通流量插补模型包括周期子网络、空间子网络以及融合网络；本发明为智能交通系统的构建提供了高质量的数据基础，也可以应用于同类型的时空数据插补或预测。
-
公开(公告)号：CN113946708A
公开(公告)日：2022-01-18
申请号：CN202111280061.4
申请日：2021-10-29
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/958 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于数据挖掘和信息检索领域，具体涉及基于图像复原技术和谣言辟谣信息的话题传播预测方法；该方法包括获取参与话题讨论的用户数据源信息；提取用户的相关属性；提出rumor2pixel算法，将用户传播空间映射到像素空间，生成话题图像，利用无监督的对抗生成网络对得到的话题图像进行数据补偿，根据演化博弈理论，定义博弈策略，量化谣言‑辟谣互影响力，利用卷积神经网络建立谣言‑辟谣信息的话题传播预测模型，预测用户最终是否会参与该话题的讨论；本发明能让相关部门更准确地掌握网络谣言事件的发酵和传播，并加以引导和管控；也能应用于企业产品和服务的推广，有助于掌握群体行为特性分布，分析潜在客户群体，从而获得良好的经济、社会效益。
-
公开(公告)号：CN113870043A
公开(公告)日：2021-12-31
申请号：CN202111225080.7
申请日：2021-10-21
Applicant: 重庆邮电大学
IPC: G06Q50/00
Abstract: 本发明属于社交网络‑信息传播领域，具体涉及一种基于用户意识和演化博弈的信息传播控制方法；该方法包括：获取数据信息，对获取的数据信息进行预处理；获取的信息包括话题信息和用户信息；将预处理后的数据信息输入到基于用户意识和演化博弈的信息传播模型中，预测用户传播话题信息的趋势；本发明可应用于社交网络中信息传播预测和控制，有助于舆情部门更及时和精确的对舆情进行监控和管理，并在合理的时间进行引导和抑制；也可用于企业产品和服务的推广，有助于广告在目标群体的快速推广和扩散，提升广告的曝光度以及品牌知晓度，以此获得良好的社会经济效益。
-
公开(公告)号：CN112307343A
公开(公告)日：2021-02-02
申请号：CN202011225114.8
申请日：2020-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/02 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明属于网络对齐领域，具体涉及一种基于双层迭代补偿和全貌表示的跨电商书城用户对齐方法，该方法包括：获取用户数据，对用户数据进行预处理；提取预处理后用户数据的相关属性；将提取的相关属性输入到基于双层迭代和全貌信息的跨书城电商系统用户对齐模型中，得到用户的数据分布；根据用户的数据分布对用户进行对齐处理；本发明采用交替迭代补偿机制对异质平台稀疏数据进行补偿，获取更有效的实验数据。
-
公开(公告)号：CN112270568A
公开(公告)日：2021-01-26
申请号：CN202011205811.7
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06N3/04 , G06F16/9536
Abstract: 本发明属于互联网应用技术领域，涉及电商平台营销数据分析，尤其涉及一种面向隐藏信息的社交电商平台营销活动下单率预测方法；所述方法包括提取出用户对营销活动下单行为的全部内部属性特征以及营销活动对用户下单行为的部分外部属性特征；并计算出用户的内部影响力，按照知识学习方法计算出用户的外部影响力以及用户的隐藏信息网络；采用压缩交互网络获取用户的隐特征，将隐特征填入隐藏信息网络中，利用卷积神经网络计算出用户的隐藏影响力；将三种影响力输入到全连接神经网络中，预测得到所述营销活动下用户参与下单行为的概率；本发明刻画了用户实体和营销活动实体之间的关系，能够获取实体间的隐藏关系，增强了下单率预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
172
records
(took 0.025 seconds)
