公开(公告)号：CN114924994A

公开(公告)日：2022-08-19

申请号：CN202210469221.8

申请日：2022-04-28

Applicant: 北京理工大学

Inventor： 王彪 ,  金福生 ,  李荣华 ,  袁野 ,  王国仁

IPC: G06F12/02 ,  G06F12/08 ,  G06F12/0877 ,  G06F7/08

Abstract: 本发明公开了一种用于持久内存的数据排序方法，包括以下步骤：S1、给定一个无序数组A，数组A的元素个数为n，为数组A分配存储空间，总大小等于待排序的数据总量，其左端使用DRAM内存，其右端使用持久内存；S2、在数组A上构建二叉堆，获取数字A的父节点及子节点对于任意一个节点i，满足父节点小于等于子节点；S3、使用x表示已完成排序的节点位置，初始化为n，表示所有节点都没有完成排序；S4、交换A[1]和A[x]，完成节点x排序，令x＝x‑1；S5、从节点i自上而下进行比较，若节点i大于其子节点，则将节点i位置与其子节点位置交换，使得x前面的数组满足二叉堆的性质；S6、重复步骤S4‑S5，直至x＝1，完成排序操作。

公开(公告)号：CN114880347A

公开(公告)日：2022-08-09

申请号：CN202210456388.0

申请日：2022-04-27

Applicant: 北京理工大学

Inventor： 杨晓春 ,  李佳钰 ,  王国仁 ,  张志威

IPC: G06F16/2452 ,  G06F16/22 ,  G06F16/2455 ,  G06F40/30 ,  G06F40/253 ,  G06N5/02 ,  G06N20/00

Abstract: 本发明涉及到一种基于深度学习的自然语言转化为SQL语句的方法，特别是使用知识蒸馏方法的获得轻量级的模型技术，属于数据库智能检索、问答系统等技术领域。本发明提出了一种基于深度学习的NL2SQL算法，基于BERT预训练模型对英文和中文的自然语言进行编码训练得到NL2SQL模型，再使用知识蒸馏方法获得轻量级的NL2SQL模型，根据提供的NL2SQL任务数据集训练模型，输入自然语言问题后即可推理出对应的SQL语句；本发明能够处理中文和英文NL2SQL任务；本发明减小模型的计算资源消耗，提高推理速度。

公开(公告)号：CN114840772A

公开(公告)日：2022-08-02

申请号：CN202210414011.9

申请日：2022-04-14

Applicant: 北京理工大学

Inventor： 李挺 ,  金福生 ,  李荣华 ,  袁野 ,  王国仁

IPC: G06F16/9536 ,  G06F16/9538 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于同质超图注意力网络的个性化排序与推荐的方法；包括：获取当前所有用户与项目的交互图数据；根据该交互图数据以及项目阶数，计算当前所有用户与项目的最终超图邻接矩阵、结点度矩阵和超边度矩阵；基于此，结合项目表示矩阵，计算出用户表示传播序列；基于此，再通过注意力机制对序列加权计算并过滤得出用户表征矩阵；根据从用户表征矩阵中抽取的目标用户表示，同时结合目标用户的查询表示，对候选项目序列中的候选项进行评分并排序；按照排序之后的候选项目序列对目标用户进行推荐；通过该方法能够确保推荐系统在实现有效推荐的前提下，优化模型架构，减少参数数量，从而提高模型推荐效率。

公开(公告)号：CN113904846B

公开(公告)日：2022-06-17

申请号：CN202111174292.7

申请日：2021-10-09

Applicant: 北京理工大学

Inventor： 金福生 ,  陈梦楠 ,  袁野 ,  王树良 ,  王国仁

IPC: H04L9/40 ,  G06F21/56 ,  G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 结合高斯混合模型与排序学习的多阶段入侵检测方法，S1获取恶意入侵流量数据得到网络流量特征数据集；S2将网络流量特征数据集进行划分并提取最优特征；S3对先验信息集进行预测得到错误分类样本和重叠样本分布情况；S4将错误样本与最优特征测试集进行特征值匹配，通过模型预测得到第一阶段预测结果；S5结合错误样本分布情况，得到重叠样本与非重叠样本，以重叠样本的先验信息为该重叠样本制定预测标签，得到第二阶段预测结果；S6对非重叠样进行分类预测得到第一拼接向量；S7将第一拼接向量通过排序学习模型预测，得到第三阶段预测结果；结合高斯混合模型以及排序学习解决同特征不同标签的样本以及类别易混淆样本分类效果差的问题。

公开(公告)号：CN114579611A

公开(公告)日：2022-06-03

申请号：CN202210478504.9

申请日：2022-05-05

Applicant: 北京理工大学 ,  人民法院信息技术服务中心

Inventor： 李斌 ,  孙福辉 ,  成雨蓉 ,  王晓燕 ,  张志威 ,  张艺璐 ,  袁野 ,  张娴 ,  王国仁

IPC: G06F16/2453 ,  G06F16/2455 ,  G06F16/2457 ,  G06F16/2458 ,  G06F16/27

Abstract: 本文涉及区块链数据查询领域，提供了一种跨链系统的数据并行查询方法及装置，方法包括：解析各源区块链发送的总查询请求得到同构总查询请求；将各同构总查询请求中的查询内容拆分为子查询请求；根据同构总查询请求及子查询请求，修改查询请求管理表及查询队列表；将查询队列表中子查询请求类型标识及子查询请求转换为目的区块链识别格式后发送至目的区块链；接收目的区块链发送的查询结果，根据查询结果修改链查询请求管理表及查询队列表；根据查询请求管理表，将同构总查询请求对应的子查询请求状态均为查询成功的查询结果进行汇总及格式转换后，发送至相关源区块链。本文能够实现跨链区块链查询高效并行处理，保证一致性及安全性。

公开(公告)号：CN114519078A

公开(公告)日：2022-05-20

申请号：CN202210407404.7

申请日：2022-04-19

Applicant: 北京理工大学 ,  人民法院信息技术服务中心

Inventor： 文明 ,  孙福辉 ,  成雨蓉 ,  王晓燕 ,  张志威 ,  张艺璐 ,  袁野 ,  张娴 ,  王国仁

IPC: G06F16/2458 ,  G06F16/2453 ,  G06F21/62

Abstract: 本文涉及区块链技术领域，尤其涉及一种基于区块链的跨链可信查询方法及系统。包括，将接收自查询链发送的查询请求转换为查询消息，查询消息中包括目标数据的关键值；在对查询消息的共识验证结果为通过的情况下，将查询消息发送给被查询链，以使被查询链查询根据目标数据的关键值进行查询得到查询响应并发送，查询响应中包括查询到的所述目标数据；在对查询响应的共识验证结果为通过的情况下，根据查询响应对所述目标数据进行验证；当对目标数据的验证结果为通过的情况下，将目标数据发送给所述查询链。通过本文实施例，实现了区块链的跨链可信查询，保证了被查询链接收到的查询消息的安全性。

公开(公告)号：CN114301928A

公开(公告)日：2022-04-08

申请号：CN202111428260.5

申请日：2021-11-29

Applicant: 之江实验室 ,  北京理工大学

Inventor： 郭铁铮 ,  张志威 ,  王国仁

IPC: H04L67/1074 ,  H04L67/1097 ,  H04L9/40 ,  H04L9/32

Abstract: 本发明公开了一种基于SGX的链上链下混合共识方法及系统，方法包括：S1，事务提交阶段；S2，事务执行阶段；S3，结果上链阶段；系统包括：客户端、区块链平台、SGX服务器集群以及链下数据库；客户端可向区块链发起SGX事务与提交事务结果；区块链将SGX事务及其结果上链，同时根据事务需求将数据与智能合约发送到SGX服务器集群；服务器集群通过访问数据库获得链下数据并构建安全区执行智能合约与共识；链下数据库保存数据供应商的机密或大规模数据。本发明通过SGX连接链上链下数据存储，实现链上链下的混合共识，并通过SGX保证了数据与执行的机密性、完整性。

公开(公告)号：CN114168863A

公开(公告)日：2022-03-11

申请号：CN202111528752.1

申请日：2021-12-14

Applicant: 北京理工大学

Inventor： 易晗 ,  李荣华 ,  高玉金 ,  秦宏超 ,  王国仁 ,  金福生

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种基于k‑truss的面向超图的社区发现方法，具体步骤如下：S1、首先输入超图HG＝(V，Eh)、S、r，计算超图中所有超边的support；S2、初始化超图的极大k‑truss下界low＝0，上界up＝0，当Size(|H|)>S时，进行以下操作；S3、计算当前超图中的三角形个数T＝所有超边的support之和/3，令low＝max(low，最小的超边support，T/超边总数)，令up＝max(up，最小的超边support，r*(T/超边总数))；S4、将所有support小于上界up的超边从超图H中删除，得到一个新的超图H。本发明采用上述的一种基于k‑truss的面向超图的社区发现方法，在超图上实现了k‑truss分解和极大k‑truss的挖掘，大幅减少了不必要的计算内容，消除了传统算法的冗余计算过程，实现了对于超图的社区发现。

公开(公告)号：CN112950451B

公开(公告)日：2022-03-11

申请号：CN202110325537.5

申请日：2021-03-26

Applicant: 北京理工大学

Inventor： 任泽槟 ,  李荣华 ,  王国仁 ,  潘敏佳 ,  高森 ,  蒋佳祺

IPC: G06T1/20 ,  G06F9/50 ,  G06F9/54

Abstract: 本发明公开了一种基于GPU的极大k‑truss发现算法，步骤如下：(1)首先输入图G、k，求出图G中的k‑core，并将求得k‑core复制到显存中，初始化一个集合D为空集；(2)在显卡中使用多个线程进行处理；(3)在每个流多处理器中，对顶点v执行操作；(4)对于顶点v的邻居复制到当前流多处理器对应的共享内存中；(5)对于顶点中的每个邻居n，分配一个线程t进行处理；(6)当v的所有邻居处理完毕时，将步骤(5)中的寄存器的值求和。本发明采用上述的一种基于GPU的极大k‑truss发现算法，充分利用了CPU的并行性，运行速度快，并且，运行成本低。

公开(公告)号：CN114154023A

公开(公告)日：2022-03-08

申请号：CN202111393863.6

申请日：2021-11-23

Applicant: 北京理工大学

Inventor： 苗壮 ,  张志威 ,  王国仁 ,  袁野

IPC: G06F16/901 ,  G06F16/9536 ,  G06Q50/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种在复杂大规模图数据集上使用超图进行数据建模、以及基于超图神经网络进行关键结点集发现的方法，包括以下步骤：S1、根据原始图数据构建多模态超图；S2、在超图结构数据集上进行k‑core子图搜寻；S3、计算超图k‑core中结点的重要性；S4、在k‑core中采样生成训练数据集；S5、使用超图神经网络融合自注意力机制进行训练；S6、使用训练完成的网络预测在给定部分关键结点集，剩余结点作为关键结点加入结果集的概率；S7、找到图数据上的关键结点集。本发明公开的方法克服了普通贪心算法无法利用图结构以及在大规模数据集上组合优化复杂性过高的问题。