-
公开(公告)号：CN116246660A
公开(公告)日：2023-06-09
申请号：CN202310095611.8
申请日：2023-02-06
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了一种电信欺诈的检测方法、装置及电子设备，方法包括：对目标音频使用声音序列进行特征提取，获得包括情感特征的声音嵌入向量；识别目标音频的文本，将文本中的每个单词与预设的词库进行多个语言维度的比较，并生成语言风格向量；通过包括卷积神经网络与循环神经网络的深度学习模型，将声音嵌入向量与语言风格向量融合，得到包括声音特征与语言风格特征的融合特征向量；通过深度学习模型检测目标音频是否属于电信欺诈的音频。本发明电信欺诈的检测准确性高且检测效率高，可广泛应用于电信欺诈检测领域。
-
公开(公告)号：CN115798626A
公开(公告)日：2023-03-14
申请号：CN202211630709.0
申请日：2022-12-19
Applicant: 珠海高凌信息科技股份有限公司 , 上海大学
Abstract: 本申请公开了基于深度学习的Vocs组分分子质谱图预测方法、装置和存储介质，本申请的方法包括根据NIST数据库中的分子和质谱图数据训练DeepVocsMass模型；向所述DeepVocsMass模型输入质谱图，得到相似度函数；根据所述相似度函数计算质谱图的相似度；输出相似度最高的质谱图。本申请通过深度学习技术对Vocs分子进行质谱图预测，通过训练深度神经网络模型，预测Vocs分子的质谱图，并通过与标准库进行对比，确定Vocs质谱图，实现对Vocs质谱监测结果的成份分析，对于大气环境Vocs治理和监测具有重要意义。
-
公开(公告)号：CN115312075A
公开(公告)日：2022-11-08
申请号：CN202210910044.2
申请日：2022-07-29
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提供一种噪声声源事件检测方法、装置、电子设备及存储介质，该噪声声源事件检测方法包括：获取噪声声源的多声道音频；对多声道音频执行特征提取，得到第一特征序列；通过卷积神经网络对第一特征序列执行正则化及降维处理，得到第二特征序列；通过循环卷积神经网络对第二特征序列确定时间序列信息，得到第三特征序列；对第三特征进行映射及分类，确定多声道音频的声音事件和到达方向。本发明的有益效果为：提高了准确率和声源检测的扩展性，易于扩展到不同的阵列结构。
-
公开(公告)号：CN113242356A
公开(公告)日：2021-08-10
申请号：CN202110485747.0
申请日：2021-04-30
Applicant: 珠海高凌信息科技股份有限公司
IPC: H04M3/22 , H04W12/128 , G06N3/08
Abstract: 本发明公开了基于深度学习的通信号码检测方法及系统，该方法包括以下步骤：获取通信号码的CDR信令数据及开卡信息，提取通信号码的通信特征数据；将通信号码及通信特征数据聚合预设时间，转化为流式数据，输入白名单深度学习模型的生产侧，由白名单深度学习模型消费流式数据，得到每个通信号码的评分，其中白名单深度学习模型为基于RNN的神经网络；根据评分将通信号码存入白名单或者灰名单，对灰名单中的通信号码进行监测。本发明通过抓取非诈骗的号码，扩充并累积更新白名单库，可以大辐度减少监测号码的数量，减少筛选的难度，从而减少识别诈骗通信号码的难度，提高通信号码识别准确率。
-
公开(公告)号：CN112905794A
公开(公告)日：2021-06-04
申请号：CN202110205954.6
申请日：2021-02-24
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了基于迁移学习的互联网垃圾信息检测方法及系统，该方法包括以下步骤：对带标记的第一语料进行预处理，得到相应的第一词向量序列，预训练BERT模型；构建垃圾信息检测模型，包括训练好的BERT模型、LSTM网络模型、全连接层及Softmax分类器；以及，对带互联网垃圾信息标记的第二语料进行预处理后，对垃圾信息检测模型进行训练和测试，其中第二语料与第一语料对应同一种语言；对不带标记的第二语料进行预处理，得到相应的第三词向量序列，通过训练好的垃圾信息检测模型，确定是否含有互联网有害信息。本发明减少了训练所需的有标签的第二语料的数据量，缩短模型训练时间，节省计算资源，同时确保模型的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN112351429A
公开(公告)日：2021-02-09
申请号：CN202011137247.X
申请日：2020-10-22
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明公开了基于深度学习的有害信息检测方法及系统，该方法包括：S100，采集多个用户的CDR数据、XDR数据及信令数据，得到样本数据，对样本数据进行分解，提取样本特征，并存入数据集合；S200，从数据集合中提取通信节点统计及子图的相关属性和表征，并对相关属性及表征进行预处理，并划分训练集和测试集，使训练集和测试集包括一定数量的有害数据；S300，将训练集输入基于循环神经网络的深度学习模型，进行监督训练，并结合测试集对深度学习模型进行优化，得到评估模型；S400，根据评估模型进行有害信息的定位分析。本发明较大程度地提升了电话通信中的有害信息的分析实时性及准确性，并能对模型进行在线训练和持续提升。
-
公开(公告)号：CN115759717A
公开(公告)日：2023-03-07
申请号：CN202211383611.X
申请日：2022-11-07
Applicant: 珠海高凌信息科技股份有限公司
IPC: G06Q10/0633 , G06F30/27 , G06N20/00 , G06N5/04
Abstract: 本申请公开了一种大数据分析建模处理方法、装置和存储介质，本申请的方法包括构建分析模型；编辑所述分析模型的输入、输出和特征处理流程；编辑所述分析模型的机器学习模型推理序列；运行所述分析模型的Spark任务，获得运行结果。本申请部署和生成任务时无需编程实现，可针对任务的处理流程和输入输出进行灵活组合，可组合多个模型进行并行或串行处理，实现了大数据的分布式、动态伸缩和跨平台的分析建模。
-
公开(公告)号：CN115544494A
公开(公告)日：2022-12-30
申请号：CN202211190151.9
申请日：2022-09-28
Applicant: 珠海高凌信息科技股份有限公司
IPC: G06F21/51 , G06F16/55 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种互联网有害网址检测分析处理方法、装置和存储介质，其中方法包括获取网址图片和视频；对所述网址图片和视频进行细化处理，所述细化处理包括数据标准化、数据清洗、数据标注、数据分化和数据规模调整；利用视觉大模型对所述网址图片和视频进行特征提取；结合所述网址图片和视频的特征数据集训练所述视觉大模型，并调整所述视觉大模型的参数；使用CSP‑Darknet骨干模型网络对待分析网址进行特征提取并回归出目标位置；对回归到的目标图像进行类别分类，输出有害网址的图像判定结果。本申请能够实现图片与视频数据的统一特征提取，并通过CNN网络构建视觉深度模型，从而大大提升互联网有害内容准确率和适用范围。
-
公开(公告)号：CN111131626B
公开(公告)日：2022-01-14
申请号：CN201911323548.9
申请日：2019-12-20
Applicant: 珠海高凌信息科技股份有限公司
IPC: H04M3/22 , H04M3/436 , H04W12/128
Abstract: 本发明提供了基于流数据图谱的群组有害呼叫检测方法、装置及可读介质，包括：采集多个用户的CDR数据，将CDR数据进行分解得到通讯数据并存入图形数据库，得到通讯图谱；对通讯图谱基于滑动窗口的深度图谱提取通信节点统计及子图的相关属性和表征；设置相关属性和表征的阈值，通过呼叫深度图谱的Top‑k排序算法对获取可疑个人呼叫名单；根据可疑个人呼叫件的联系紧密度确认对应的有害呼叫群组。本发明的有益效果为实时性及准确性上具有较大程度提升，并能实时查看呼叫当前及结合历史的图谱特征及记录溯源，重复听取通话的方式进行认为确认，增加可以群组通话的分析成功率。
-
公开(公告)号：CN111131626A
公开(公告)日：2020-05-08
申请号：CN201911323548.9
申请日：2019-12-20
Applicant: 珠海高凌信息科技股份有限公司
Abstract: 本发明提供了基于流数据图谱的群组有害呼叫检测方法、装置及可读介质，包括：采集多个用户的CDR数据，将CDR数据进行分解得到通讯数据并存入图形数据库，得到通讯图谱；对通讯图谱基于滑动窗口的深度图谱提取通信节点统计及子图的相关属性和表征；设置相关属性和表征的阈值，通过呼叫深度图谱的Top-k排序算法对获取可疑个人呼叫名单；根据可疑个人呼叫件的联系紧密度确认对应的有害呼叫群组。本发明的有益效果为实时性及准确性上具有较大程度提升，并能实时查看呼叫当前及结合历史的图谱特征及记录溯源，重复听取通话的方式进行认为确认，增加可以群组通话的分析成功率。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.042 seconds)
