-
公开(公告)号：CN114817762A
公开(公告)日：2022-07-29
申请号：CN202210513920.8
申请日：2022-05-12
Applicant: 东南大学
IPC: G06F16/9536 , G06F16/901 , G06K9/62 , G06Q50/00
Abstract: 本发明提出了一种微博平台上针对大宗商品舆情信息的基于用户行为特征的识别恶意主体的方法，首先选定源头节点搜集转发信息构建舆情传播网络，根据网络中用户的关注信息构建用户关注关系图，随后使用社区发现算法对关注关系图进行划分，选择其中密度最高的团体作为后续待检测样本，接着搜集待检测样本用户从最近日期起的N条微博，构建用户行为特征，最后使用聚类算法根据行为特征将待检测样本聚成两类，计算特征在每一类中的均值，进行标准化后相加得到综合属性值，判定属性值较大的一方为存在恶意倾向的维权用户。本发明不依赖于已标识的数据集，减少了人工因素对最终结果的影响，且识别结果取决于用户本身的行为，具有更高的适应性与灵活性。
-
公开(公告)号：CN113112361A
公开(公告)日：2021-07-13
申请号：CN202110361436.3
申请日：2021-04-02
Applicant: 东南大学
IPC: G06Q40/04 , G06Q10/06 , G06F16/245 , G06N5/04
Abstract: 本发明公开了一种大宗商品交易中的监管主体联盟形成方法与系统，用于大宗商品电子商务交易背景下，对交易中存在的风险形成具体的监管任务，为执行监管任务形成可提供稳定高效监管资源的监管主体联盟，根据大宗商品交易中单笔交易的基本信息与所需监管服务类型形成监管任务，通过学习历史风险交易事件建模监管资源及监管主体；针对具体的监管任务根据资源匹配求解任务分配问题，寻找可执行该任务且监管收益最高的监管主体，所有监管主体协作执行监管任务即可视为一个监管联盟，以达到对交易中风险事件执行监管以降低损失的目的。
-
公开(公告)号：CN114897610B
公开(公告)日：2025-02-18
申请号：CN202210512595.3
申请日：2022-05-12
Applicant: 东南大学
Abstract: 本发明公开了一种针对大宗商品内幕交易行为的自适应检测方法与系统，该系统提取出交易用户的历史交易行为数据，使用多个交易指标进行刻画，通过时间序列异常检测方法识别交易指标当中的异常子序列来判断异常的时间区间。在在进行时间序列异常检测时，将时间序列划分为待检测集合和已检测集合，在迭代过程中每次选取最有可能发生内幕交易的时间区间，然后自适应地将时间序列划分为需要检测的时间区间并进行检测，通过自监督学习的方法衡量每个时间区间的交易行为的相似性，对检测的时间区间给出异常程度。基于此内幕交易行为的自适应检测方法与系统，帮助监管部门更好地对市场进行监管，维护交易市场的稳定和公平。
-
公开(公告)号：CN114817762B
公开(公告)日：2024-07-12
申请号：CN202210513920.8
申请日：2022-05-12
Applicant: 东南大学
IPC: G06F16/9536 , G06F16/901 , G06F18/23213 , G06Q50/00
Abstract: 本发明提出了一种微博平台上针对大宗商品舆情信息的基于用户行为特征的识别恶意主体的方法，首先选定源头节点搜集转发信息构建舆情传播网络，根据网络中用户的关注信息构建用户关注关系图，随后使用社区发现算法对关注关系图进行划分，选择其中密度最高的团体作为后续待检测样本，接着搜集待检测样本用户从最近日期起的N条微博，构建用户行为特征，最后使用聚类算法根据行为特征将待检测样本聚成两类，计算特征在每一类中的均值，进行标准化后相加得到综合属性值，判定属性值较大的一方为存在恶意倾向的维权用户。本发明不依赖于已标识的数据集，减少了人工因素对最终结果的影响，且识别结果取决于用户本身的行为，具有更高的适应性与灵活性。
-
公开(公告)号：CN116881702A
公开(公告)日：2023-10-13
申请号：CN202310900710.9
申请日：2023-07-21
Applicant: 东南大学
IPC: G06F18/213 , G06F18/23211 , G06F18/241 , G06Q10/0635
Abstract: 本发明提出了一种基于IDPC算法的产业链数据特征重构方法，旨在加强数据特征与产业链风险之间的关联度、提高数据特征在产业链风险预测中的效用。该方法主要通过行为聚类和类别规约两个步骤来实现特征重构。行为聚类将采集到的企业数据转换成具有生产行为类别的数据，从可解释性的角度提高了数据与风险之间的关联度，更准确地描述和理解企业的生产行为，为风险分析提供可靠基础。类别规约从数据的有效性角度出发，将生产行为类别数据规约到带入生产行为偏好的特征空间中，实现数据约简。数据规约有益于发现不同生产行为之间的差异和特征，进一步提高数据在风险预测中的效用。基于生产行为偏好的特征空间的规约使得决策者更精确地评估和管理企业自身以及企业之间的风险。
-
Patent Agency Ranking
公开(公告)号：CN116862037A
公开(公告)日：2023-10-10
申请号：CN202210363976.X
申请日：2022-04-08
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 在垃圾处理系统中，能源管理是指动态调整不同时刻系统对能源的需求情况，在电价高峰期减少能源消耗，低谷期提升能源消耗，可以实现垃圾处理工业系统能源成本的优化。如今现代化的工业系统通常由复杂的多重工业任务网络组成，以往只考虑单层网络单个系统的需求响应技术在应对多重网络环境时无法达到很好的降低能源成本的效果，甚至会带来整体系统任务完成时间推迟等负面效果。提出了一种多重网络化垃圾处理能源管理优化技术，该方法将多重工业网络需求响应能源优化技术分为层间需求响应和层内需求响应阶段，可以在不影响每日任务完成量需求的情况下，在多重网络下的垃圾处理系统中提升总体任务执行效率。
-
公开(公告)号：CN116820731A
公开(公告)日：2023-09-29
申请号：CN202210201046.4
申请日：2022-05-16
Applicant: 广州博通信息技术有限公司 , 东南大学
IPC: G06F9/50
Abstract: 在多重工业网络情境下，各网络层、各组件之间的负载平衡对工业系统完成任务的效率至关重要。本专利提出了一种自适应的组件间任务调配方法解决多重工业网络中的负载平衡问题。在该方法中，如果需要调配的组件及其相邻组件所在层的平均负载小于其所在层的平均负载，则进行层间调配，实现网络层间的负载均衡；如果不需要层间调配且自身负载超过所在层的平均负载，则进行层内的任务调配，实现同层组件间的负载平衡。应用此任务调配方法的工业系统，尽可能避免了由于网络层负载不均衡造成系统完成任务超时的情况。与传统任务调配方法相比，该方法在多重工业网络情境下的适应性更好。
-
公开(公告)号：CN114897610A
公开(公告)日：2022-08-12
申请号：CN202210512595.3
申请日：2022-05-12
Applicant: 东南大学
Abstract: 本发明公开了一种针对大宗商品内幕交易行为的自适应检测方法与系统，该系统提取出交易用户的历史交易行为数据，使用多个交易指标进行刻画，通过时间序列异常检测方法识别交易指标当中的异常子序列来判断异常的时间区间。在在进行时间序列异常检测时，将时间序列划分为待检测集合和已检测集合，在迭代过程中每次选取最有可能发生内幕交易的时间区间，然后自适应地将时间序列划分为需要检测的时间区间并进行检测，通过自监督学习的方法衡量每个时间区间的交易行为的相似性，对检测的时间区间给出异常程度。基于此内幕交易行为的自适应检测方法与系统，帮助监管部门更好地对市场进行监管，维护交易市场的稳定和公平。
-
公开(公告)号：CN114820173A
公开(公告)日：2022-07-29
申请号：CN202210512588.3
申请日：2022-05-12
Applicant: 东南大学
Abstract: 本发明公开了大宗商品交易市场中的交易主体违约风险评估方法与系统，将交易网络中各主体之间的关系和网络溢出效应整合进对交易主体违约风险的评估。首先，系统基于市场交易数据和交易主体数据，构建交易网络；随后，分别使用单交易主体特征和交易网络特征，构建单交易主体评估模型和交易网络溢出效应评估模型；最后，对使用到的单交易主体特征和交易网络特征进行整合和选取，并基于选取出的特征构造混合模型作为最终模型，应用于系统中。基于此最终模型的交易主体违约风险评估系统，综合主体内部因素和外部市场因素，摒除了传统评估方法仅基于单交易主体特征的局限性，提升了评估效果，并能更好地适应交易市场的动态性。
-
公开(公告)号：CN113112292A
公开(公告)日：2021-07-13
申请号：CN202110359552.1
申请日：2021-04-02
Applicant: 东南大学
Abstract: 本发明公开了一种大宗商品交易中的监管商品智能化推荐方法与系统。分为四个部分：大宗商品交易数据和行情数据的数据处理，行情数据关联商品发现，交易数据关联商品发现，构建关联商品集进行智能化推荐监管商品。本发明解决了大宗商品交易监管中存在的商品监管范围模糊和不确定的问题。首先，对商品的历史行情信息和交易信息进行数据预处理操作。其次，分析不同商品行情数据（价格波动等）的相关性，得到价格波动关联商品。然后，分析不同商品交易数据（交易行为等）的相关性，得到交易事件关联商品。最后，综合以上两步形成的关联商品，最后，构建关联商品集合，并根据监管任务信息对监管商品进行智能化推荐。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.057 seconds)
