一种基于话题认同度的引导型话题传播预测方法

    公开(公告)号:CN118643333A

    公开(公告)日:2024-09-13

    申请号:CN202410784554.9

    申请日:2024-06-18

    Abstract: 本发明涉及社交网络领域,特别涉及一种基于话题认同度的引导型话题传播预测方法,包括基于迁移学习方法从原始话题数据中提取与衍生话题数据匹配的通用特征数据,将通用特征数据与衍生话题数据构成丰富衍生话题数据;采用生成对抗网络迭代学习丰富衍生话题数据生成新衍生话题数据;对新衍生话题数据进行时间切片;针对每一时段的新衍生话题数据提取特征向量,所有特征向量组成训练集;构建图卷积网络,采用训练集训练图卷积网络;获取当前时段t的衍生话题数据并输入图卷积网络,输出下一时段t+1衍生话题传播趋势;本发明基于用户的兴趣偏好计算话题领域共现度,更准确地表现用户对话题的态度和认同程度,提高预测准确性。

    一种基于差异化资源分配的二部图推荐方法

    公开(公告)号:CN111209489B

    公开(公告)日:2023-02-14

    申请号:CN202010011019.1

    申请日:2020-01-06

    Abstract: 本发明请求保护一种基于差异化资源分配的二部图推荐方法。首先将推荐系统建模成二部图,节点的两个集合分别代表用户集U和项目集O;然后对项目初始资源进行差异化设置,利用评分规范化和最大最小值的方法对初始评分进行修正,在此基础上引用艾宾浩斯遗忘函数来量化用户“兴趣偏移”所带来的影响;其次利用用户评分相似性函数和用户偏好函数对资源分配系数进行差异化设置,使资源流转变得更加合理;最后按照项目所获资源的大小生成推荐列表。本发明在传统二部图推荐方法的基础上进行改进,分别对项目初始资源和资源分配系数进行差异化设置,能够在保证推荐准确率的同时还能提高推荐的多样性。

    一种基于数据挖掘算法的Snort改进方法

    公开(公告)号:CN111224984B

    公开(公告)日:2022-01-11

    申请号:CN202010011027.6

    申请日:2020-01-06

    Inventor: 张功国 李恩燕

    Abstract: 本发明涉及一种基于数据挖掘算法的Snort改进方法。该方法包括:入侵检测Snort系统获取网络上的数据P;利用改进后的K‑means算法将P与正常行为数据库进行相似性聚类,若相似度小于聚类半径r即判断为正常数据,直接跳过Snort的误用检测过程;反之,则再次与Snort中的异常数据库做对比,计算数据与各异常行为类的相似度,若能聚到异常行为类中,则表明其为异常数据类型,系统发出相应的报警;若仍然不能聚到异常类中,则将其添加至正常数据库,重新更新正常行为数据库。网络上数据有很大部分都是正常数据,异常数据只占有小部分,且改进后的K‑means算法聚类准确率高,经过上述方式处理,会大大减少误用检测引擎所处理的数据,从而提高了Snort系统的整体检测准确率和效率。

    基于改进型卷积神经网络模型的影评情感分析方法

    公开(公告)号:CN110046223A

    公开(公告)日:2019-07-23

    申请号:CN201910191148.0

    申请日:2019-03-13

    Abstract: 本发明请求保护一种基于改进型卷积神经网络模型的影评情感分析方法。在输入层和卷积层之间引入权重分布层,可以对文本中重要部分分析,减少噪音,使处理的特征得到提升。利用卷积建立模型,卷积方法是在字词的周围产生局部特征,然后使用局部最大值的方式组合,以创建固定大小的特征。在卷积层中使用的是梯度下降法来计算,可能会出现梯度弥散,引入门控机制降低弥散;其次,在新模型中取消了softmax层,加入支持向量机层;最后,使用条件随机场不仅处理传统模型在第i个标签上的特征函数也处理其前后位置的信息特征函数。本发明在传统卷积神经网络的基础上进行改进,添加了条件随机场层,从而可以提取高级抽象的特征,具有更好的分类能力。

Patent Agency Ranking