-
公开(公告)号:CN110674290A
公开(公告)日:2020-01-10
申请号:CN201910733074.9
申请日:2019-08-09
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06Q50/00
Abstract: 本发明提出了一种用于重叠社区发现的关系预测方法、装置和存储介质,用以解决由于获取的用户关系图不够完整,降低了社区发现结果准确性的问题。用于重叠社区发现的关系预测方法,包括:获取用户通信信息中包含的信息内容并分类;确定每一类信息内容中包含的两两信息内容之间的相似度;对于相似度大于预设阈值的两条信息内容,构建该两条信息内容的发送信息用户之间的短时转发关系;构建所述用户通信信息中发送信息用户和接收信息用户之间的收发关系;根据所述短时转发关系和所述收发关系,构建用户关系图;基于所述用户关系图,利用社区发现算法进行社区发现。
-
公开(公告)号:CN110134947A
公开(公告)日:2019-08-16
申请号:CN201910307654.1
申请日:2019-04-17
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提出一种基于不平衡多源数据的情感分类方法,包括:获取来自多个数据源的训练数据,其中训练数据包含多条文本数据,每条文本数据具有情感类型标签和其对应的数据源;按数据源对训练数据进行分类,以集合每个数据源对应的文本数据作为第一数据集,根据每个第一数据集中各情感类型标签的数量,统计每个第一数据集中情感类型的标准差,选择标准差最小的第一数据作为预训练集,其余第一数据集作为后续训练集;以预训练集训练神经网络模型的权值直到损失函数收敛,输出神经网络模型作为预分类模型,以后续训练集继续训练预分类模型直到损失函数收敛,输出预分类模型作为最终分类模型;将待情感分类文本数据输入最终分类模型,得到其情感类型。
-
公开(公告)号:CN113553369B
公开(公告)日:2024-06-25
申请号:CN202010339657.6
申请日:2020-04-26
Applicant: 清华大学
Abstract: 本申请的可视化用户分类方法、服务方法、系统、装置及存储介质,获取根据输入信息、及用户群体的用户群体数据得到的可视化数据;其中,输入信息用于设定处理用户群体数据的欺诈检测算法、算法参数、及至少一种用户行为特征集;其中,可视化数据用于显示包括:反映用户群体基于在至少一种用户行为特征集中一或多个用户行为特征上的行为相似度所形成的分布视图;用户间的行为相似度的高低负相关于它们在分布视图中的映射间距的大小,以进行可视化输出。本申请的方案可以实现根据不同用户行为的行为相似度而直观且准确地展现出用户在不同行为上的同步,有助于快速准确地进行欺诈行为的分析或评估欺诈检测的质量。
-
公开(公告)号:CN104090957A
公开(公告)日:2014-10-08
申请号:CN201410327034.1
申请日:2014-07-10
Applicant: 中国科学院软件研究所 , 清华大学
IPC: G06F17/30
CPC classification number: G06F17/30994 , G06K9/6218
Abstract: 本发明公开了一种异构网络可交互可视化方法。本方法为:1)对异构网络中的节点按照节点属性的取值进行聚类,并生成相应的聚类网络可视化图;2)对所选聚类结果中的每一节点,计算该节点的邻居节点集合;然后按照邻居节点集合节点属性值对所选聚类结果中的每一节点进行聚类;并生成聚类可视化图作为下一级可视图;3)选取步骤2)的若干聚类结果,对所选聚类结果中的每一节点根据其邻居节点集合进行聚类,将具有相同邻居节点集合的节点划分到同一聚类中;然后将此次聚类结果生成聚类可视化图并将其作为步骤2)所生成聚类网络可视化图的下一级可视图。本发明结合了拓扑和属性信息,使用户能够用更细的粒度进行更低层级的查看。
-
公开(公告)号:CN113553369A
公开(公告)日:2021-10-26
申请号:CN202010339657.6
申请日:2020-04-26
Applicant: 清华大学
Abstract: 本申请的可视化用户分类方法、服务方法、系统、装置及存储介质,获取根据输入信息、及用户群体的用户群体数据得到的可视化数据;其中,输入信息用于设定处理用户群体数据的欺诈检测算法、算法参数、及至少一种用户行为特征集;其中,可视化数据用于显示包括:反映用户群体基于在至少一种用户行为特征集中一或多个用户行为特征上的行为相似度所形成的分布视图;用户间的行为相似度的高低负相关于它们在分布视图中的映射间距的大小,以进行可视化输出。本申请的方案可以实现根据不同用户行为的行为相似度而直观且准确地展现出用户在不同行为上的同步,有助于快速准确地进行欺诈行为的分析或评估欺诈检测的质量。
-
-
-
-