-
公开(公告)号：CN115470984A
公开(公告)日：2022-12-13
申请号：CN202211110465.3
申请日：2022-09-13
Applicant: 重庆邮电大学
Abstract: 本发明属于社交网络舆情分析领域，具体涉及一种基于迁移学习的社交网络衍生话题传播预测方法，该方法包括提取话题数据的相关属性，采用IT2vec表示学习算法进行原始话题到衍生话题的迭代表示，采用基于TCA的领域自适应方法对原始话题和衍生话题进行特征适配，得到通用特征数据；基于主观认知博弈理论构建CNN预测模型，采用通用特征数据训练CNN预测模型，并利用迭代表示结果对训练后的CNN预测模型进行测试；采用测试好的CNN预测模型对当前衍生话题的传播趋势进行预测；本发明能够有效预测衍生话题的传播趋势，对于及时控制谣言等负面话题的进一步演化和正确引导网络舆论至关重要。
-
公开(公告)号：CN115358820A
公开(公告)日：2022-11-18
申请号：CN202211016627.7
申请日：2022-08-24
Applicant: 重庆邮电大学
IPC: G06Q30/06 , G06F16/535 , G06F16/9535 , G06F16/958 , G06V10/74 , G06V10/82
Abstract: 本发明属于互联网应用技术领域，特别涉及一种基于高清图像生成技术的兴趣画幅推荐方法，包括获取用户的历史交互行为数据，从中提取用户行为序列进行嵌入后与对应的粒度信息融合，得到输入向量；构建预测模型，预测模型的Item2Frame层根据输入向量获取多兴趣画幅矩阵，预测模型的高清兴趣画像生成层对得到的多兴趣画幅矩阵进行噪点补偿获取用户的整体高清兴趣画像的向量表示；计算用户的整体高清兴趣画像的向量表示与物品向量之间的相似度，将相似度最高的N个物品推荐给用户；本发明应用于电商平台为用户提供更为优质的服务，电商平台可以更准确地挖掘用户兴趣，从而推荐更多用户感兴趣的内容来为平台盈利。
-
公开(公告)号：CN115358790A
公开(公告)日：2022-11-18
申请号：CN202211016264.7
申请日：2022-08-24
Applicant: 重庆邮电大学
Abstract: 本发明属于电商大数据推荐领域，特别涉及一种基于多任务联合学习的点击转化率预测方法，包括获取商品信息并构建用户‑商品感兴趣度；根据获取的商品信息，获取商品节点序列和用户节点序列，根据得到的用户节点序列和商品节点序列计算该各自序列中节点与其相邻节点之间的二阶相似度；将商品节点和用户节点投影到相同的特征空间上，计算在该空间中一个节点的注意力系数，并利用该系数获得节点的聚合表示；利用用户‑商品感兴趣度对节点的聚合加权得到节点的最终嵌入表示，将最终嵌入表示的商品信息和用户信息嵌入到预测器中，通过预测器预测用户购买商品的概率；本发明可协助电商平台掌握消费群体行为特性分布，有利于广告主精准投放广告信息。
-
公开(公告)号：CN115293812A
公开(公告)日：2022-11-04
申请号：CN202210967561.3
申请日：2022-08-12
Applicant: 重庆邮电大学
Abstract: 本发明属于互联网应用技术领域，具体涉及一种基于长短期兴趣的电商平台会话感知推荐预测方法，包括获取在线数据，数据包括用户的基本信息、物品的基本信息以及用户行为的会话序列；通过获取的在线数据，提取用户行为和用户偏好，并构建用户长期兴趣集；通过兴趣匹配从用户长期兴趣集中获取用户在当前阶段的短期兴趣；构建预测模型，将用户在一个会话的点击序列，即物品输入，以及用户在当前阶段的短期兴趣作为输入，预测模型输出预测物品并进行推荐；本发明不仅能够有效挖掘用户行为序列中的用户长短期兴趣信息，更精确的表达用户兴趣偏好，同时能够提升电商平台的推荐准确性。
-
公开(公告)号：CN112269945B
公开(公告)日：2022-10-18
申请号：CN202011207375.7
申请日：2020-11-03
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/951 , G06F17/15 , G06Q10/04 , G06Q50/00
Abstract: 本发明属于网络舆情分析领域，涉及一种基于谣言辟谣促谣和三方认知博弈的信息传播预测方法，包括获取在线数据；根据爬取的数据，获取消息热度、消息传播强度、用户认知指数以及用户相互强度；构建谣言传播驱动力模型，在该模型中基于三方认知博弈根据获取的信息获取谣言、辟谣以及促谣消息的收益函数；根据收益函数计算谣言、辟谣以及促谣消息的驱动力，并根据驱动力来预测用户行为；将在线爬取的数据输入建立的模型，预测得到网络节点的采取辟谣行为和促谣行为的概率；本发明可应用于社交网络中谣言传播预测和控制，舆情部门可以更及时和精确的对网络谣言进行监控和控制，并在合理的时间进行引导和抑制。
-
Patent Agency Ranking
公开(公告)号：CN114255034A
公开(公告)日：2022-03-29
申请号：CN202111320678.4
申请日：2021-11-09
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机信息安全技术领域，特别涉及一种基于区块链的可验证公平性的电子投票方法，该方法包括：首先通过收集用户的注册信息确定参与选举的合格选民，设置选举的基本信息初始化选举；然后选民对选票加密并生成身份合法性和选票有效性证明；最后密文解密计票阶段投票截止后，系统从区块链中统计选票信息，确定最终的计票结果并将其发送到区块链共所有感兴趣的第三方进行验证；本发明提出了一种基于区块链的安全可验证的自计票协议，将区块链和加密知识结合使用，不仅可以保证隐私安全，还可以抵御公平性缺陷和重放攻击的问题，实现选举的安全可验证。
-
公开(公告)号：CN112270570B
公开(公告)日：2022-03-11
申请号：CN202011207345.6
申请日：2020-11-03
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06Q10/04 , G06N3/08 , G06F40/289 , G06F40/216 , G06F16/2458
Abstract: 本发明属于电商大数据推荐领域，特别涉及一种基于特征组合与表示学习的点击转化率预测方法，包括；获取书城电商平台销售数据和基础数据，包括用户数据和书籍数据；通过表示学习与特征组合的方法获取用户数据和书籍数据中的隐藏的属性特征；通过与特征组合与表示学习的联合训练建立预测模型，将获得的隐藏的属性特征作为输入，通过该模型得到点击转化率预测结果本发明针对文本等特征进行深度挖掘得到完整特征空间，通过分析图书营销活动的动态性来预测点击购买的转化率，本发明能够针对书城电商平台提升精准营销的效果。
-
公开(公告)号：CN108230169B
公开(公告)日：2021-12-17
申请号：CN201711380264.4
申请日：2017-12-20
Applicant: 重庆邮电大学
IPC: G06Q50/00
Abstract: 本发明请求保护一种基于社交影响力的信息传播模型及态势感知系统及方法。属于社交网络分析领域。方法包括步骤：第一步，获取数据源。第二步，提取相关属性。分别从用户、粉丝和行为三个方面提取属性，定义社交影响力，分析出影响信息传播的驱动力。第三步，构建动态演化策略。定义收益矩阵和话题热度的概念，根据演化博弈理论建立动态演化策略。第四步，构建网络拓扑。根据提取的相关属性分别构建不同的分层。第五步，构建复杂网络信息传播模型。将每层得到驱动力以及演化博弈与传统的SIR模型相结合得到一种改进的信息传播模型。该发明能够更加准确的探知信息传播趋势，揭示不同的驱动因素对信息传播的影响。
-
公开(公告)号：CN112272188A
公开(公告)日：2021-01-26
申请号：CN202011204587.X
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: H04L29/06 , H04L9/00 , G06F21/60 , G06F16/9532 , G06F16/951
Abstract: 本发明属于隐私保护和信息检索技术领域，具体涉及一种电商平台数据隐私保护的可搜索加密方法；所述方法包括从电商平台中获取数据集，对数据集进行关键字提取，构造出关键字与文件集合的关联矩阵；利用标准对称加密算法将关联矩阵加密；为加密后的关联矩阵构建出不经意索引树；用户将待查询关键字的ID发送给服务器；利用不经意随机访问技术得到关联矩阵所对应的索引块序列；服务器根据索引块序列得到关联矩阵对应的数据块序列与请求向量进行同态解密，得到中间结果发送给用户，用户依次采用同态解密和标准对称解密算法将中间结果进行解密；本发明将数据块序列进行同态运算，过滤掉无关数据块再返回给用户，降低数据块搜索过程所带来的通信开销。
-
公开(公告)号：CN109166309A
公开(公告)日：2019-01-08
申请号：CN201810884200.6
申请日：2018-08-06
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向复杂城市交通网络的缺失流量数据恢复方法，包括获取数据源、路网矩阵化、构建训练模型和数据恢复四个步骤。首先，获取数据源，包括卡口流量统计和车辆轨迹数据提取。然后，为了提取路网流量的局部空间特征，提出network2matrix路网矩阵化算法从车辆轨迹中挖掘路口关系重构路网得到路网流量图片。利用卷积神经网络进行局部卷积计算。其次，为了获取路网流量的时空特性，构建了一个包含预测子网络、恢复子网络的多模态神经网络-交通流量递归恢复神经网络，并将恢复后的数据作为输入进行迭代训练。最后，将带有缺失数据的路网流量以时间顺序输入训练好的神经网络中恢复，得到缺失数据恢复结果。本发明提高了恢复准确率。
-
-
-
-
-
-
-
-
-
Search Results
172
records
(took 0.072 seconds)
