一种基于多维时间序列的诈骗电话分析方法

    公开(公告)号:CN109756632A

    公开(公告)日:2019-05-14

    申请号:CN201811554685.9

    申请日:2018-12-19

    Abstract: 本发明公开了一种基于多维时间序列的诈骗电话分析方法,该方法包括:将每个号码的所有通话作为一个整体,每间隔时间段选取与诈骗呼叫相关性较大的行为特征,计算每个号码在该间隔时间段内的特征统计量,并设定是否为诈骗呼叫的标签;将每个号码在设定的间隔时间段的多个行为特征按时间顺序排列,整合形成在一个完整时间段内的一个多维时间序列数据集,多个号码形成多个多维时间序列数据集;将带标签的多个多维时间序列数据集,代入LSTM网络模型训练;根据某号码在该一个完整时间段的模型训练,预测该号码在该完整时间段的下一个间隔时间段时的通话呼叫是否为诈骗呼叫。通过本发明的方法,能够从众多的话单数据中分析预判是否为诈骗呼叫。

    一种面向智能应用的领域本体构建方法

    公开(公告)号:CN109460460B

    公开(公告)日:2022-08-30

    申请号:CN201811307870.8

    申请日:2018-11-05

    Abstract: 本发明公开了一种面向智能应用的领域本体构建方法,首先获取智能应用相关的多领域数据;明确并细化智能应用需求,构建面向本体的智能应用需求分析模型;定义本体中概念及其属性、各类型关系,创建实例,进行形式化编码;然后利用Jena实现基于领域本体的推理以补全缺失信息;接着运用多维量化指标评估本体的体系结构,判断是否返回以修正本体;最后评估本体对智能应用需求的支持程度,动态更新体系结构以响应应用需求的变化,直到所构建的本体能够满足应用需求。本发明采用循环式的开发结构,强调本体全生命周期内智能应用需求与跨领域本体构建的相互作用,适用于表示面向智能应用的跨领域知识关联,解决现有本体构建方法不足以支撑智能应用的问题。

    一种基于协同网络表示学习的电信异常检测方法

    公开(公告)号:CN109474756A

    公开(公告)日:2019-03-15

    申请号:CN201811367747.5

    申请日:2018-11-16

    CPC classification number: H04M3/2281 H04W12/12

    Abstract: 本发明公开了一种基于协同网络表示学习的电信异常检测方法,属于数据挖掘与机器学习领域。首先训练xgboost分类器,测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P,根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z,并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B,并移除不满足条件的被叫用户,保留下来的被叫节点更新到集合B'中;扩展并更新种子节点集合Z',去重合并更新协同网络G',降维得到嵌入向量进行建模预测,取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量,提高计算速度,可以适应不同的数据特点。

    一种5G卫星融合场景中的无缝切换方法

    公开(公告)号:CN114095073B

    公开(公告)日:2023-12-19

    申请号:CN202111362321.2

    申请日:2021-11-17

    Abstract: 本发明公开了一种5G卫星融合场景中的无缝切换方法。本方法为:1)CC根据UE位置和卫星星历表预测所述UE的切换时机并向所述UE要切换到的目标gNB发送切换命令;其中,CC为管控中心,UE为用户终端,gNB为5G基站,卫星为gNB的载体;2)目标gNB收到所述切换命令后为所述UE预留资源并通知所述UE可用的时频资源;3)当所述UE决定切换时,计算定时提前值TA;然后根据收到的可用时频资源和定时提前值TA,切换到gNB进行数据传输;4)所述目标gNB向源gNB和所述CC发送切换完成消息;其中所述源gNB为所述UE切换到目标gNB之前为所述UE提供服务的gNB。本发(56)对比文件Helka-Liina.5G NR Communication overGEO or LEO Satellite Systems:3GPP RANHigher Layer Standardization Aspects.《2019 IEEE Global CommunicationsConference》.2020,全文.

    一种基于协同网络表示学习的电信异常检测方法

    公开(公告)号:CN109474756B

    公开(公告)日:2020-09-22

    申请号:CN201811367747.5

    申请日:2018-11-16

    Abstract: 本发明公开了一种基于协同网络表示学习的电信异常检测方法,属于数据挖掘与机器学习领域。首先训练xgboost分类器,测试每条CDR数据的欺诈类别概率构成待检测的信令数据集。提取主被叫用户构成通联二部图P,根据评分从信令数据集中选取疑似欺诈的主叫节点生成种子节点集合Z,并将存在共同被叫邻居的任意两个主叫添加到协同网络集合G。通联二部图P扩展出待选的被叫节点集合B,并移除不满足条件的被叫用户,保留下来的被叫节点更新到集合B'中;扩展并更新种子节点集合Z',去重合并更新协同网络G',降维得到嵌入向量进行建模预测,取异常得分最大的N个作为检测结果输出。本发明保证了生成的协同网络的质量,提高计算速度,可以适应不同的数据特点。

Patent Agency Ranking