-
公开(公告)号：CN117057342A
公开(公告)日：2023-11-14
申请号：CN202311060234.0
申请日：2023-08-22
Applicant: 重庆邮电大学
IPC: G06F40/216 , G06F16/35 , G06F18/25 , G06Q50/00 , G06N5/04 , G06N3/0464 , G06N3/048
Abstract: 本发明属于网络舆情分析领域，具体涉及一种面向传播的关键元素动态溯源方法；该方法包括：从社交网络中获取用户关系网络、用户历史行为信息和谣言话题数据；提取用户关系特征并计算用户间的综合信任关系强度；用户关系特征包括关注关系信任强度、共同关注关系信任强度、共同转发关系信任强度和共同评论关系信任强度；根据用户间的综合信任关系强度，基于演化博弈计算谣言辟谣互影响力矩阵；根据用户间的综合信任关系强度，采用基于TF‑IDF算法的LDA模型计算用户的领域影响力；采用构建的谣言‑辟谣关键用户发现模型对用户的互影响力和用户的领域影响力进行处理，得到关键用户判别结果；本发明可更精确的分析谣言话题下的关键用户。
-
公开(公告)号：CN116467710A
公开(公告)日：2023-07-21
申请号：CN202310275519.X
申请日：2023-03-21
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种面向不平衡网络的恶意软件检测方法，包括：使用对抗生成网络对原始不平衡数据集进行数据增强，从而使得良性与恶意样本数量达到平衡；选取不同元路径构建异质网络挖掘各类实体信息；采用残差连接和恒等映射的方法提取节点的高阶隐藏信息，避免过平滑现象；基于自注意力机制对个元路径进行自适应加权聚合，获得最终嵌入表示，使用分类器进行分类操作；本发明考虑在现实生活中各类恶意软件的样本量少、难获取的问题，采用对抗生成网络进行数据增强操作，随后对其进行异质网络建模，利用高阶模型获取节点隐藏关系，再利用注意力机制进行元路径聚合，能够有效的对不平衡的软件数据集进行准确检测。
-
公开(公告)号：CN116308857A
公开(公告)日：2023-06-23
申请号：CN202310138971.1
申请日：2023-02-20
Applicant: 重庆邮电大学
Abstract: 本发明属于网络舆情传播领域，特别涉及一种基于演化博弈和多状态的谣言信息控制方法，获取数据源，从获取的数据源中提取影响谣言传播的内部因素、外部因素以及消息影响力，内部因素包括用户活跃度、用户敏感度，外部因素包括话题热度、好友带动力，消息影响力包括谣言消息的影响力、疑谣消息的影响力；根据消息影响力在用户相信谣言并转发谣言信息、相信疑谣信息并转发疑谣信息的收益函数，使用演化博弈理论来得到用户参与谣言消息传播的驱动力、用户参与疑谣消息传播的行为驱动力；构建控制系统，并求解单位时间内控制策略转化目标群体为指定群体的最优转化率；本发明准确的描述社交网络中的多状态用户谣言传播过程，同时为谣言控制提供了理论依据。
-
公开(公告)号：CN115661696A
公开(公告)日：2023-01-31
申请号：CN202211322158.1
申请日：2022-10-27
Applicant: 重庆邮电大学
IPC: G06V20/30 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/094 , G06F16/26 , G06F16/2458
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于话题图像化的谣言检测方法，包括：对获取的数据进行数据清洗处理；将评论拓扑网络二维图像化，将每一个评论节点映射到图像中的每一个像素点；通过用户内外因素建立情感互影响函数，结合演化博弈理论构建情感互影响模型并量化评论情感；量化后的情感嵌入到话题图像中对应的像素点上，通过卷积神经网络对话题二维话题图像进行卷积，利用函数将网络的输出转换为两个类别的概率值，最大概率值对应的类别作为预测结果。本发明将评论拓扑网络图像化挖掘出谣言话题评论中的隐秘性，提高了谣言检测的精确度，同时为社交网络谣言的机制的研究提供了新的方向。
-
公开(公告)号：CN115659250A
公开(公告)日：2023-01-31
申请号：CN202211359581.9
申请日：2022-11-02
Applicant: 重庆邮电大学
IPC: G06F18/2413 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/082 , G06N3/09
Abstract: 本发明属于互联网应用领域，涉及一种基于多模态交叉注意力机制的恶意信息传播预测方法；所述方法包括获取社交网络的恶意信息；根据获取到的恶意信息，基于用户传播结构、用户传播内容以及用户传播行为进行特征提取，构建出恶意信息传播特征空间；采用多模态交叉注意力机制对用户传播结构、用户传播内容和用户传播行为的特征进行优化处理，并将优化后的特征拼接融合；将融合后的特征进行稀疏表示，生成恶意信息传播特征空间稀疏编码矩阵；对恶意信息的生命周期进行时间切片处理，将恶意信息传播特征空间稀疏编码矩阵和全网用户关系网络邻接矩阵输入到基于图卷积神经网络构建的恶意信息传播预测模型中，预测得到未知用户节点的恶意信息传播行为。
-
Patent Agency Ranking
公开(公告)号：CN115375328A
公开(公告)日：2022-11-22
申请号：CN202211023091.1
申请日：2022-08-25
Applicant: 重庆邮电大学
Abstract: 本发明属于信息处理领域，尤其涉及一种基于邻域相似度和多类型交互的恶意信息溯源方法；所述方法包括获取社交网络平台中的用户相关数据和恶意信息相关数据，利用拓扑结构刻画用户节点的重要性，得到用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量；通过构建多类型的三元交互网络来利用表示学习挖掘隐性信息优化转移概率矩阵；利用用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量，循环迭代计算得到用户节点的最终评分向量，进而及时有效定位溯源到恶意信息的传播源用户；这样可以有针对性的对信息进行防御，从而提高了社交网络平台信息传播的准确性和可靠性。
-
公开(公告)号：CN115344863A
公开(公告)日：2022-11-15
申请号：CN202210996905.3
申请日：2022-08-19
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种基于图神经网络的恶意软件快速检测方法，该方法包括：构建恶意软件检测模型，采用不同元结构挖掘软件节点中不同实体中的隐藏信息；捕获节点之间基于高阶内容的相关性，使用注意力机制，对元路径进行语义融合；采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合，提升检测速度；本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题，采用异质信息网络构建模型，并利用高阶图神经网络挖掘恶意软件的高阶特征信息，再利用相似度算法进行匹配，能够有效的进行恶意软件的快速检测。
-
公开(公告)号：CN115330056A
公开(公告)日：2022-11-11
申请号：CN202210969348.6
申请日：2022-08-12
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/00 , G06F16/2458 , G06N3/04 , H04L41/147 , H04L51/52
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于深度传播和广度传播的话题网络影响力用户预测方法；该方法包括：获取话题网络数据并进行预处理；根据预处理后的话题网络数据计算用户亲密度和用户可信度；根据用户亲密度和用户可信度优化DSU2vec算法；采用优化后的DSU2vec算法提取话题网络的隐藏信息，得到话题网络的深度传播特征向量矩阵；对话题网络进行社区划分，得到划分好的社区；采用图卷积神经网络提取社区节点的特征，得到话题网络的广度传播特征向量矩阵；采用多维度传播网络预测模型对深度传播特征向量矩阵和广度传播特征向量矩阵进行处理，得到话题网络影响力用户预测结果；本发明的预测结果准确性高，应用前景良好。
-
公开(公告)号：CN115311056A
公开(公告)日：2022-11-08
申请号：CN202211010389.9
申请日：2022-08-23
Applicant: 重庆邮电大学
IPC: G06Q30/06 , G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明属于商品推荐管理技术领域，具体涉及一种基于兴趣偏好的电商平台商品推荐方法；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输入到基于兴趣偏好的电商平台商品推荐模型中，得到针对用户的商品推荐结果，电商平台根据商品推荐结果对用户进行商品推荐；本发明对显式反馈信息进行补偿，提取隐藏信息，融合显式反馈信息和隐藏信息使得本发明捕获用户对商品的兴趣偏好的结果更准确，刺激用户消费欲望，实用性高。
-
公开(公告)号：CN110825948B
公开(公告)日：2022-10-18
申请号：CN201911072546.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/951 , G06F16/9536 , G06F40/289 , G06N3/04 , G06Q50/00
Abstract: 本发明属于社交网络控制技术领域，尤其涉及一种基于促谣‑辟谣消息和表示学习的谣言传播控制方法，包括爬取原始数据，并基于内容兴趣特征、网络结构特征以及节点属性特征提取促谣消息、谣言消息以及辟谣消息的传播空间特征，建立谣言‑辟谣‑促谣消息传播空间矩阵；根据该矩阵以及谣言‑辟谣‑促谣消息全用户传播关系矩阵建立基于图卷积神经网络和辟谣‑促谣消息影响力的谣言传播预测模型；将当前数据输入谣言传播预测模型，获得谣言转发情况的预测；对下一个时刻的谣言转发潜在用户，进行谣言消息隔离或者进行辟谣消息推荐；本发明能够有效地预测谣言话题下的用户转发情况，同时可以更真实地刻画谣言传播动态过程。
-
-
-
-
-
-
-
-
-
Search Results
172
records
(took 0.032 seconds)
