-
公开(公告)号：CN105303115A
公开(公告)日：2016-02-03
申请号：CN201510715536.6
申请日：2015-10-29
Applicant: 成都信息工程大学 , 成都芯安尤里卡信息科技有限公司 , 北京中电华大电子设计有限责任公司
IPC: G06F21/57
CPC classification number: G06F21/577
Abstract: 本发明提供了一种Java卡越界访问漏洞的检测方法和装置。解决方案包括：通过反汇编的方式，修改Java卡的结构或运行流程，使卡上对象的任意偏移地址都可以尝试被访问。当发现可以访问Java卡中的非法数据的话，则判定当前卡存在越界访问漏洞。
-
公开(公告)号：CN113342994B
公开(公告)日：2022-07-05
申请号：CN202110758174.4
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F16/9535 , G06Q10/06 , G06Q10/10 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于无采样协作知识图网络的推荐系统，包括：嵌入模块设置为获取知识图谱中三元组的初始嵌入向量；无采样知识图卷积模块设置为包含若干线性聚合器的单层卷积网络，对初始嵌入向量进行无采样的预计算，获得三元组的深层次信息；将嵌入向量和深层次信息结合作为更新嵌入向量；协作传播模块设置为同时编码用户和项目交互中的协作信号作为用户和项目的初始偏好，与更新嵌入向量结合作为预测模块的输入向量；预测模块设置为根据输入向量获得推荐结果。本发明仅通过设计较为复杂的传播矩阵和预计算操作，实现了不差于深度模型的性能和更快的速度，已经更准确的预测结果。
-
公开(公告)号：CN113342994A
公开(公告)日：2021-09-03
申请号：CN202110758174.4
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F16/9535 , G06Q10/06 , G06Q10/10 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于无采样协作知识图网络的推荐系统，包括：嵌入模块设置为获取知识图谱中三元组的初始嵌入向量；无采样知识图卷积模块设置为包含若干线性聚合器的单层卷积网络，对初始嵌入向量进行无采样的预计算，获得三元组的深层次信息；将嵌入向量和深层次信息结合作为更新嵌入向量；协作传播模块设置为同时编码用户和项目交互中的协作信号作为用户和项目的初始偏好，与更新嵌入向量结合作为预测模块的输入向量；预测模块设置为根据输入向量获得推荐结果。本发明仅通过设计较为复杂的传播矩阵和预计算操作，实现了不差于深度模型的性能和更快的速度，已经更准确的预测结果。
-
公开(公告)号：CN110853626B
公开(公告)日：2021-04-20
申请号：CN201911001131.0
申请日：2019-10-21
Applicant: 成都信息工程大学
IPC: G10L15/06 , G10L15/16 , G10L15/26 , G06F40/211 , G06F40/279 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及对话理解领域，具体涉及一种基于双向注意力神经网络的对话理解方法、装置及设备；其中，该方法包括S1、对用户的语音信号进行识别得到输入序列，S2、通过嵌入层将所述输入序列映射到向量，分别生成所述输入序列的意图注意力第一向量和语义槽注意力第一向量，S3、通过所述意图注意力第一向量和所述语义槽注意力第一向量，分别生成意图注意力向量和语义槽注意力向量，S4、将所述意图注意力向量和所述语义槽注意力向量进行多次交互，S5、输出与所述输入序列对应的输出结果；本发明所提出的方法描述了槽填充和意图预测之间的多重相互作用，有效性优于任何当前没有指定规则或特征的模型，双向注意力机制有助分析意图预测和槽填充之间的关系。
-
公开(公告)号：CN111582443B
公开(公告)日：2021-02-02
申请号：CN202010321767.X
申请日：2020-04-22
Applicant: 成都信息工程大学
IPC: G06N3/04 , G06Q50/00 , G06F16/9536
Abstract: 本发明涉及一种基于Mask机制和层次注意力机制的推荐方法，包括：获取节点数据集U和项目数据集I；将U和I输入上下文描述层得到序列Su和Si，经过处理得到节点向量和项目向量和融合后得到第i个节点u在I中的嵌入向量将所有节点的嵌入向量组成向量集Z；计算与第i个节点u关系密切的L阶邻居节点v的k头注意力系数根据v的嵌入向量计算节点u的k头注意力将聚合得到第i个节点u的聚合注意力向量将与拼接并线性化，得到第i个节点u的推荐向量将所有节点的推荐向量组成向量集Z'；根据Z和/或Z'获得目标节点的项目推荐列表。不仅提高了推荐准确度，还提高了网络的灵活性，解决冷启动问题，且模型更为简单，进行推荐时所耗时间也更少。
-
Patent Agency Ranking
公开(公告)号：CN109274755B
公开(公告)日：2019-12-10
申请号：CN201811188146.8
申请日：2018-10-12
Applicant: 成都信息工程大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于多核跨域网络的纵横双向跨节点交叉协同交互方法，包括建立任务收发点、内节点环、中节点环、外节点环相互之间的关联关系，且建立了多种节点与节点之间、节点与任务收发点之间的信息传递和交互路径，然后建立节点函数和节点关联函数，作出节点关联分析图，得到各种节点和信息传播路径，从而更加直观地表达纵横双向跨节点的协同交互模型的意义，避免了传统节点间的单一路径或双路径信息交互速度慢、节点损坏影响整体交互的缺点，两个节点环上的节点连接紧密，协同交互效率高，避免了访问路径过少而拥堵的现象，所有路径都得到合理利用，关联连接路径多，容错率高，信息传递和交互速度快，提高了协同交互的稳定性。
-
公开(公告)号：CN109345127A
公开(公告)日：2019-02-15
申请号：CN201811188147.2
申请日：2018-10-12
Applicant: 成都信息工程大学
CPC classification number: G06Q10/06393 , G06Q50/04
Abstract: 本发明公开了一种基于云平台汽车产业链的多级反馈逆向溯源绩效考核方法，包括将汽车产业链的上下游企业群的销售信息、客户反馈信息和内部统计信息录入云平台系统内，云平台处理器对信息进行处理，先确定汽车产业链的绩效考核指标，获取企业群间的交互的业务单据，提取考核数据，然后对数据量化处理，进行考核计算，得出最终考核结果，根据考核结果得出绩效评价，采用了企业、客户、专家多级反馈的考核数据作为绩效考核的原始数据，考核结果更可靠，客户和专家的评测和建议能促进汽车产业不断地蓬勃发展，对考核数据进行了量化处理，考核计算更方便快捷，提高了绩效考核效率，考核折线图，为汽车产业链的未来发展提供了前进的方向。
-
公开(公告)号：CN108172298B
公开(公告)日：2019-01-29
申请号：CN201810086348.5
申请日：2018-01-30
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种心理量表的数据预处理方法，其包括以下步骤：S1、从至少两个选项中获取待保留的选项和待删除的选项；获取至少两个已知患病信息的心理量表样本；S2、对待删除的选项进行合并约简至待保留的选项中，得到基于保留选项集的数据集合，实现对心理量表选项的预处理；根据已知患病信息的心理量表样本对心理量表题目进行属性约简，删除模糊题目，实现对心理量表题目的预处理。本发明能够降低心理测量数据中选项的模糊度，并解决属性较多而样本较少时无法约简属性的问题，从而有效挖掘心理测量数据，提取有价值信息。
-
公开(公告)号：CN113342995A
公开(公告)日：2021-09-03
申请号：CN202110759010.3
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F40/30
Abstract: 本发明涉及推荐系统技术领域，尤其涉及一种基于路径语义和特征提取的负样本提取方法。包括以下步骤：S1.进行样本采集，收集需要进行提取的样本范围，搭建采样系统模型；S2.将知识图谱的三元组结构的表示学习与SDAE结合，进而从关系中获取物品实体的编码S3.根据知识图谱中用户节点和物品节点的关联关系，结合相应的搜索算法采样得到负样本；S4.按照评分高低对负样本数据集进行排序S5.对低分负样本数据集进行修剪；S6.基于数据集进行对比试验，本发明采取基于路径的综合方式优化已有模型，从正样本出发，通过强化学习方法递归探索图谱中的节点关系，结合通道注意力将有用的特征增强，对信息量小或者无用特征进行适当抑制。
-
公开(公告)号：CN111582443A
公开(公告)日：2020-08-25
申请号：CN202010321767.X
申请日：2020-04-22
Applicant: 成都信息工程大学
IPC: G06N3/04 , G06Q50/00 , G06F16/9536
Abstract: 本发明涉及一种基于Mask机制和层次注意力机制的推荐方法，包括：获取节点数据集U和项目数据集I；将U和I输入上下文描述层得到序列Su和Si，经过处理得到节点向量 和项目向量 和 融合后得到第i个节点u在I中的嵌入向量 将所有节点的嵌入向量组成向量集Z；计算与第i个节点u关系密切的L阶邻居节点v的k头注意力系数 根据v的嵌入向量 计算节点u的k头注意力 将 聚合得到第i个节点u的聚合注意力向量将 与 拼接并线性化，得到第i个节点u的推荐向量 将所有节点的推荐向量组成向量集Z'；根据Z和/或Z'获得目标节点的项目推荐列表。不仅提高了推荐准确度，还提高了网络的灵活性，解决冷启动问题，且模型更为简单，进行推荐时所耗时间也更少。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.038 seconds)
