-
公开(公告)号：CN113704373A
公开(公告)日：2021-11-26
申请号：CN202110955784.3
申请日：2021-08-19
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本申请提供了一种基于移动轨迹数据的用户识别方法、装置及存储介质，该方法包括：获取任意两条待判别的目标轨迹数据，其中，目标轨迹数据为从目标区域中提取出的路径信息，目标区域为用户访问过的区域；将目标轨迹数据的表征集合输入到目标模型内，判断目标轨迹数据是否来自同一用户，其中，目标模型是由初始判别模型训练得到的，输入初始判别模型的训练参数包括：任意两条初始轨迹数据之间的共现次数、任意两条初始轨迹数据之间的角度余弦值、任意两条初始轨迹数据之间的概率偏差值、任意两条初始轨迹数据之间的相似度数值以及用于指示任意两条初始轨迹数据是否来自同一用户的标注信息。通过本申请，解决了相关技术中存在的用户识别准确率较低，稳定性不高的问题。
-
公开(公告)号：CN110515981A
公开(公告)日：2019-11-29
申请号：CN201810489734.9
申请日：2018-05-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/2458 , G06Q30/02
Abstract: 本发明涉及一种基于时空轨迹的用户识别方法及装置，包括：获取待识别用户的兴趣区域；构建待识别用户和数据库中用户的时空关系网络；利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；计算待识别用户特征向量与数据库中用户特征向量的相似度；通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。本发明提供的技术方案综合考虑用户自身行为与用户间关系特征，兼顾对用户行为的稳定性和差异性的特征描述。其中，用户兴趣区域的获取更多的考虑行为稳定性，网络边权的设计更多的考虑差异性，采用多视角自主表示学习有助于获得更加鲁棒性的用户向量表示。
-
公开(公告)号：CN113743111B
公开(公告)日：2024-06-04
申请号：CN202010865079.X
申请日：2020-08-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/289 , G06F40/30 , G06F18/2415 , G06F18/2431 , G06N3/045 , G06N3/084 , G06Q40/03
Abstract: 本申请涉及一种基于文本预训练和多任务学习的金融风险预测方法及装置。该方法包括：获取待处理文本；将待处理文本输入第一神经网络模型，以按照风险识别任务的处理流程确定待处理文本的内容是否包括金融风险；在待处理文本的内容包括金融风险的情况下，利用第一神经网络模型按照风险分类任务的处理流程确定金融风险的风险类型；利用第一神经网络模型按照风险主体识别任务的处理流程确定与风险类型匹配的风险主体。本申请通过预训练语言模型技术解决了缺乏对语义的深度挖掘导致模型性能不佳的问题，并采用多任务处理，解决了数据量有限而且任务之间无法进行信息共享导致模型性能不佳的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113742184B
公开(公告)日：2024-03-26
申请号：CN202010509571.3
申请日：2020-06-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F11/34 , G06F18/22 , G06F18/2433
Abstract: 本发明实施例涉及一种构建用户历史行为表示向量、用户行为异常检测方法及装置，包括：获取用户历史行为数据；将历史行为数据按照预设方式分为多个历史行为数据分组；根据每一组历史行为数据中包括的活动行为数据，提取与每一组历史行为数据对应的历史行为特征表示向量；根据每一组历史行为数据中包括的APP属性信息提取功能特征表示向量；根据第i分组中分别提取的第i历史行为特征表示向量和第i功能特征表示向量，生成与第i分组历史行为数据对应的第i历史行为表示向量；根据所有历史行为表示向量，构建用户历史行为表示向量，由此，可以有效利用用户行为数据实时辨别当前行为是否异常，维护用户个人信息和财产安全。
-
公开(公告)号：CN110515981B
公开(公告)日：2022-04-12
申请号：CN201810489734.9
申请日：2018-05-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/2458 , G06Q30/02
Abstract: 本发明涉及一种基于时空轨迹的用户识别方法及装置，包括：获取待识别用户的兴趣区域；构建待识别用户和数据库中用户的时空关系网络；利用node2vec算法计算所述待识别用户的特征向量和数据库中用户的特征向量；计算待识别用户特征向量与数据库中用户特征向量的相似度；通过所述相似度的排序，识别数据库中与待识别用户最相似的用户。本发明提供的技术方案综合考虑用户自身行为与用户间关系特征，兼顾对用户行为的稳定性和差异性的特征描述。其中，用户兴趣区域的获取更多的考虑行为稳定性，网络边权的设计更多的考虑差异性，采用多视角自主表示学习有助于获得更加鲁棒性的用户向量表示。
-
公开(公告)号：CN113743111A
公开(公告)日：2021-12-03
申请号：CN202010865079.X
申请日：2020-08-25
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本申请涉及一种基于文本预训练和多任务学习的金融风险预测方法及装置。该方法包括：获取待处理文本；将待处理文本输入第一神经网络模型，以按照风险识别任务的处理流程确定待处理文本的内容是否包括金融风险；在待处理文本的内容包括金融风险的情况下，利用第一神经网络模型按照风险分类任务的处理流程确定金融风险的风险类型；利用第一神经网络模型按照风险主体识别任务的处理流程确定与风险类型匹配的风险主体。本申请通过预训练语言模型技术解决了缺乏对语义的深度挖掘导致模型性能不佳的问题，并采用多任务处理，解决了数据量有限而且任务之间无法进行信息共享导致模型性能不佳的技术问题。
-
公开(公告)号：CN113742184A
公开(公告)日：2021-12-03
申请号：CN202010509571.3
申请日：2020-06-05
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例涉及一种构建用户历史行为表示向量、用户行为异常检测方法及装置，包括：获取用户历史行为数据；将历史行为数据按照预设方式分为多个历史行为数据分组；根据每一组历史行为数据中包括的活动行为数据，提取与每一组历史行为数据对应的历史行为特征表示向量；根据每一组历史行为数据中包括的APP属性信息提取功能特征表示向量；根据第i分组中分别提取的第i历史行为特征表示向量和第i功能特征表示向量，生成与第i分组历史行为数据对应的第i历史行为表示向量；根据所有历史行为表示向量，构建用户历史行为表示向量，由此，可以有效利用用户行为数据实时辨别当前行为是否异常，维护用户个人信息和财产安全。
-
公开(公告)号：CN111160005A
公开(公告)日：2020-05-15
申请号：CN201911168831.9
申请日：2019-11-25
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/211 , G06F40/289 , G06F40/30 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本申请涉及一种基于事件演化知识本体的事件预测方法、装置及终端设备。其中，该方法包括：通过构建具备事件演化关系的事件演化本体知识库，从事件演化本体知识库中抽取出第一事件链和第一事件元组，采用远程监督的方式，利用第一事件元组和第一事件链对非结构化文本进行关系数据回标，得到具有事件演化关系的事件数据，利用事件数据训练以建立事件预测模型的方法，可以基于知识有效的快速获得大量已标注的训练数据，从而有效提升事件预测的准确度。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
