-
公开(公告)号：CN110069703A
公开(公告)日：2019-07-30
申请号：CN201910219638.7
申请日：2019-03-19
Applicant: 南京大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/35 , G06F17/27 , G06Q50/00
Abstract: 本发明公开了一种基于特征增强的微博话题检测方法。本发明针对微博话题检测存在的问题，从微博的时间特性和微博语义相似度出发对特征进行了增强，提升了Single-Pass算法在微博话题检测场景下的表现。本发明通过将微博的时间特性融入到微博文本特征的相似度计算中，提高了属于同一话题的微博内容在时间维度上的关联度；通过使用分布式词向量表示微博，并利用其中的语义关系来增强微博关键特征，解决了微博特征稀疏的问题；为了减少了话题检测时微博与话题簇的比较次数，提出用于表示话题簇的“簇中心”概念，并围绕该概念进行计算。实验结果显示本发明简单易行，使用效果好，可以为微博话题检测提供实用方法。
-
公开(公告)号：CN109858008A
公开(公告)日：2019-06-07
申请号：CN201711263320.6
申请日：2017-11-30
Applicant: 南京大学
IPC: G06F17/27
Abstract: 本发明公开了基于深度学习的文书判决结果倾向性的方法及装置，该文本倾向性分析方法能够从非结构化的文本中提取关键特征，利用模糊匹配方法解决判决结果中的多实体识别的问题，通过基于多层LSTM的深度神经网络进行倾向性判断，将整个过程构建成一个针对判决结果的倾向性分析模型。将该模型在不同案由的裁判文书数据集上都达到很高的准确率。通过该方法，只需输入裁判文书，即可得到判决结果倾向性标签，中间步骤无需人工参与，省时省力。
-
公开(公告)号：CN103902982B
公开(公告)日：2017-02-15
申请号：CN201410141636.8
申请日：2014-04-09
Applicant: 南京大学
Abstract: 本发明公开了一种基于软分配BoF的目标跟踪方法。本发明通过将各个patch的每一种局部特征分配到对应codebook中的多个codeword，并计算其权重得到跟踪目标和候选目标的BoF表示。然后通过BoF表示的相似度比较，选择与跟踪目标最相似的候选目标。区别于现有目标跟踪方法，本发明采用了软分配策略，提高了BoF表示的健壮性和区分度，提升了跟踪方法的精确度，减少了跟踪失败的场景，从而获得更佳的跟踪结果；其次本发明在构建codebook时，不仅在跟踪目标范围区进行patch采样，还在跟踪目标背景区进行patch采样，使codebook兼具描述性和区分性；最后本发明采用了自适应大小的圆形patch，通过在候选目标之间共享patch的权重向量，有效地节约了计算资源。
-
公开(公告)号：CN105740226A
公开(公告)日：2016-07-06
申请号：CN201610037336.4
申请日：2016-01-15
Applicant: 南京大学
CPC classification number: G06F17/2775 , G06N3/02
Abstract: 本发明涉及树形神经网络和双向神经网络实现中文分词的方法、系统、装置及计算机程序。方法包括将输入句子中的每个字转换成字向量作为第一输入序列，将所述的第一输入序列作为三层长短期记忆神经网络即树形神经网络的输入，同时以句向量作为每层隐藏层的初始化值，产生第二输入序列，将所述的第二输入序列传递给双向长短期记忆神经网络，同时以句向量作为隐藏层初始化值，产生第三输入序列，将所述的第三输入序列传递给logSoftMax层即多分类层，最终生成分词标记序列。
-
公开(公告)号：CN102508770B
公开(公告)日：2015-02-11
申请号：CN201110306943.3
申请日：2011-10-10
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种基于谓词自适应随机测试的测试用例集扩增方法，程序中的分支条件表达式称为分支，由分支条件回溯至输入域的表达式称为谓词，用于回归测试，结合软件修改分析的白盒测试技术与自适应随机测试ART的黑盒测试技术，首先进行谓词提取，然后通过谓词距离引导ART进行测试用例集扩增。本发明方法结合软件修改分析的白盒测试技术与ART的黑盒测试技术，从而达到较低成本的测试用例集的有效扩增。
-
Patent Agency Ranking
公开(公告)号：CN102521534B
公开(公告)日：2014-11-19
申请号：CN201110397516.0
申请日：2011-12-03
Applicant: 南京大学
Abstract: 基于粗糙熵属性约简的入侵检测方法，包括如下步骤：1)训练阶段，收集已知类型进程的系统调用序列作为训练集；统计训练集里某类进程中系统调用的出现概率对其序列作规范化处理，生成短序列集合；基于属性重要度模型计算短序列的属性重要度并排序；基于粗糙熵属性约简算法训练出某类型进程分类规则；重复b、c、d得到训练集中所有类型进程的分类规则，得到进程分类规则集；结束；2)检测阶段，收集待测进程的系统调用序列；对调用序列进行预处理生成短序列集合；根据进程分类规则识别进程种类，判断进程是否异常；结束。本发明在计算简单的前提下，提高了检测的精度，明显降低误报警率。
-
公开(公告)号：CN102411538B
公开(公告)日：2014-02-26
申请号：CN201110372290.9
申请日：2011-11-22
Applicant: 南京大学
IPC: G06F11/36
Abstract: 基于事件可达性模型的图形用户界面测试脚本修复方法，获取待测新版本GUI的控件元素之间的事件序列可达性关系，生成描述GUI结构和GUI控件事件调用可达性关系的模型；并对已有测试脚本进行剖析，得到原测试脚本的GUI测试操作序列；然后将GUI测试操作分类为关键操作和非关键操作，通过采用保留关键操作的方式，保留原测试脚本的测试逻辑；在事件可达性模型中搜索路径，在关键操作之间插入相应的粘合操作使得修复后的测试脚本能够在新版本GUI上正常回放，完成测试脚本的修复。本发明对失效的测试脚本进行修复，保证测试用例原有测试逻辑，减轻了测试人员的负担，解决了回归测试中GUI脚本失效的问题。
-
公开(公告)号：CN102253889B
公开(公告)日：2014-02-26
申请号：CN201110225316.7
申请日：2011-08-07
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种回归测试中基于分布的测试用例优化方法，对于回归测试中的测试用例集，依据执行剖面在剖面空间中的分布对测试用例的执行顺序进行优先级排序，优先级高的测试用例将被优先执行，使得执行顺序临近的测试用例尽可能分散在剖面空间中，以尽早最大化错误检测能力，提高错误检测速率。本发明在不进行任何测试用例约简的前提下，对测试用例的执行顺序进行排序，即测试用例的创建顺序并不作为其执行顺序，而是使用基于分布的测试用例优先级技术对执行顺序进行排序。这样一方面使得测试用例集合的错误检测能力不受影响，另一方面提高了错误检测的速率，使得程序员可以尽早地找到更多的错误，节省了程序员寻找错误的时间成本。
-
公开(公告)号：CN102930036A
公开(公告)日：2013-02-13
申请号：CN201210449246.8
申请日：2012-11-09
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明提供一种用于BSM安全审计日志的冗余及无用数据删减方法，包括下列步骤：1）数据格式化；2）挑选关键属性；3）计算关键属性支持度；4）计算日志记录Score值；5）基于score值排序日志记录；6）删除score值较大的记录。本发明解决目前入侵取证、入侵检测的重要数据来源（BSM安全审计日志）冗余及无用数据过多问题，进而从根本上提高基于审计日志的入侵取证及入侵检测分析的效率及准确度，使基于审计日志的实时取证、实时检测成为可能。
-
公开(公告)号：CN102411538A
公开(公告)日：2012-04-11
申请号：CN201110372290.9
申请日：2011-11-22
Applicant: 南京大学
IPC: G06F11/36
Abstract: 基于事件可达性模型的图形用户界面测试脚本修复方法，获取待测新版本GUI的控件元素之间的事件序列可达性关系，生成描述GUI结构和GUI控件事件调用可达性关系的模型；并对已有测试脚本进行剖析，得到原测试脚本的GUI测试操作序列；然后将GUI测试操作分类为关键操作和非关键操作，通过采用保留关键操作的方式，保留原测试脚本的测试逻辑；在事件可达性模型中搜索路径，在关键操作之间插入相应的粘合操作使得修复后的测试脚本能够在新版本GUI上正常回放，完成测试脚本的修复。本发明对失效的测试脚本进行修复，保证测试用例原有测试逻辑，减轻了测试人员的负担，解决了回归测试中GUI脚本失效的问题。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.028 seconds)
