-
公开(公告)号：CN102591915B
公开(公告)日：2013-09-11
申请号：CN201110419665.2
申请日：2011-12-15
Applicant: 南京大学
IPC: G06F17/30
Abstract: 一种基于标签迁移学习的推荐方法，利用迁移技术解决标签数据稀疏的问题，迁移的知识是标签之间的关系，利用已有标签信息密集的数据集，聚类得到标签的topic，通过迁移学习的方式将标签的topic迁移到其他相关的但是标签信息相对稀疏的数据集上，然后根据迁移来的标签topic结合评分数据计算得到用户的相似度，最后利用协同过滤技术完成推荐。本发明提供的方法通过引入另外一个相似的但数据密集的领域的标签信息，来计算新领域的标签topic，从而提高计算用户相似性的准确性，进而达到更好的推荐效果。
-
公开(公告)号：CN102508870B
公开(公告)日：2013-09-11
申请号：CN201110306941.4
申请日：2011-10-10
Applicant: 南京大学
IPC: G06F17/30
Abstract: 一种结合评分数据与标签数据的个性化推荐方法，根据用户对产品的评分数据和产品被标记的标签数据计算生成用户对标签的评分数据，然后采用基于用户的协同过滤思想来根据用户对标签的评分数据计算用户间的相似度，生成目标用户的相似用户群，最后根据相似用户群的评分来预测目标用户对产品的未知评分。本方法通过结合评分数据和标签数据来计算用户间的相似度，从而使计算得到的相似度更精确，并最终为目标用户产生更精确的预测评分，提高了推荐的效果。
-
公开(公告)号：CN114780373B
公开(公告)日：2025-05-06
申请号：CN202111471921.2
申请日：2021-11-30
Applicant: 南京大学
IPC: G06F11/3668 , G06V30/19 , G06V30/412
Abstract: 一种基于图像文本融合分析的移动应用众包测试报告排序的方法，其特征是通过自动化地提取众包测试报告的图像和文本特征，根据报告间的相似性度量进行众包测试报告排序为人工审查测试报告负担过大的问题提供新的解决方案。提取完成的图像和文本特征将重新组合缺陷类特征和上下文类特征分别计算相似度。缺陷相似度由问题控件图片相似度和缺陷描述相似度组成，用于表示报告中显示的直接与缺陷相关的信息。上下文相似度由复现步骤相似度和上下文控件相似度组成，它表示上下文信息，包括触发缺陷的操作跟踪和缺陷发生时的活动信息。最后将根据测试报告之间的相似度识别重复的报告，并根据报告揭示新的缺陷的能力进行排序。
-
公开(公告)号：CN119201727A
公开(公告)日：2024-12-27
申请号：CN202411312873.6
申请日：2024-09-15
Applicant: 南京大学
Abstract: 本发明公开了一种基于开发者经验的深度学习框架变异测试方法，该方法采用基于开发人员专业知识的变异算子和约束条件生成模型，模拟开发过程中开发人员的常见操作，并在深度学习模型生命周期的多个阶段(如模型训练和推理)中检测更加多样化的缺陷。该方法包括两个部分：第一，模型变异，用于生成变异体；第二，缺陷检测，用于执行缺陷检测。其中，模型变异包括以下步骤：首先，本发明采用两个深度Q网络来选择变异算子和种子模型；然后在准则约束下对种子模型进行变异，并根据当前目标评估计算的奖励来更新Q网络；然后，它过滤掉违反任何约束的变异体，并将合法的变异体添加到生成的模型池中。这个过程迭代进行，直到变异完成。缺陷检测包括以下步骤：首先，本发明检测变异体中暴露的缺陷并记录缺陷报告。接着，基于奖励，本发明选择部分模型并进一步执行它们，以检测资源调度、执行崩溃、模型性能和输出精度中的缺陷。通过本发明的方法，可以过滤在缺陷检测中无意义的模型，并在模型的执行阶段检测多样化的缺陷，提高缺陷检测的有效性，具有重要的应用价值和推广前景。
-
公开(公告)号：CN119129682A
公开(公告)日：2024-12-13
申请号：CN202411310964.6
申请日：2024-09-19
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
IPC: G06N3/08
Abstract: 本发明实施例公开了深度学习框架测试方法、装置、计算机设备及存储介质。所述方法包括：创建种子张量，并进行突变，以得到测试输入张量；创建种子模型，并进行突变，以得到测试输入模型；在不同浏览器下，根据所述测试输入张量以及所述测试输入模型对待测试深度学习框架进行差分测试，以得到测试结果；根据所述测试结果进行种子张量以及种子模型所对应的突变规则调整。通过实施本发明实施例的方法可实现专注于边端环境中的JavaScript深度学习框架，更全面地检测与推理优化机制相关的框架缺陷，以解决现有深度学习框架测试方法在JavaScript环境下存在的技术瓶颈。
-
Patent Agency Ranking
公开(公告)号：CN118689772A
公开(公告)日：2024-09-24
申请号：CN202410839296.X
申请日：2024-06-26
Applicant: 深圳市金溢科技股份有限公司 , 南京大学
Abstract: 本发明实施例公开了基于智能交通模型神经元特性的变异测试方法、装置及计算机设备。所述方法包括：设置深度依赖变异算子；根据所述深度依赖变异算子与已训练的智能交通模型进行模型变异，以得到目标变异模型；获取测试用例；利用所述测试用例输入至已训练的智能交通模型以及目标变异模型，并进行输出结果的分析，以得到分析结果；根据所述分析结果优化已训练的智能交通模型。通过实施本发明实施例的方法可实现有效地模拟各种交通情景下可能出现的异常输入，从而更全面地评估模型的鲁棒性和可靠性，不仅提高了测试的针对性和有效性，而且为智能交通系统的安全运行提供了更强的保障。
-
公开(公告)号：CN118210729A
公开(公告)日：2024-06-18
申请号：CN202410437473.1
申请日：2024-04-09
Applicant: 南京大学
Abstract: 一种依托大模型的代码异味检测与重构引导技术，其特征是基于代码分析与大模型的代码异味检测与修复方法。主要分为三个部分，Project分析、代码异味检测、代码异味修复。Project分析即代码进行预处理，自动分析项目上下文关系，构建类逻辑关系图以及方法逻辑关系图。第二部分为代码异味检测，采用规则匹配与大模型结合的方法完成，最终输出代码异味统计结果以及检测报告。第三部分为修复重构，借助方法逻辑关系图引导大模型学习程序内部代码结构，在代码层指向性的感知代码异味并对不规范代码结构进行调整，在维持代码逻辑结构的同时完成代码异味检测与修复工作。本技术致力于全面检测并修复项目中存在的代码异味，降低技术债务，提高代码整洁度。
-
公开(公告)号：CN111783930B
公开(公告)日：2024-03-12
申请号：CN201910268447.X
申请日：2019-04-03
Applicant: 南京大学
IPC: G06N3/02
Abstract: 本发明提供了一种基于路径状态的神经网络测试充分性评估方法，包括下列步骤：1)模型抽象，获取模型隐藏层结构信息；2)获取数据集在模型运行中的隐藏层神经元信息，整合测试数据路径覆盖情况；3)选择覆盖指标，计算数据集路径覆盖率；4)选定阈值，评估神经网络的测试集上的充分性。本发明提供了一套系统的基于路径状态的数据集测试充分性评估方法，根据神经网络的结构特征，将传统测试方法在深度学习领域迁移，为神经网络模型的测试提供了新的评估指标，有助于开发人员和测试者进行模型的优化和数据集的筛选以及其质量的提升，同时促进了深度学习测试领域的发展。
-
公开(公告)号：CN109840191B
公开(公告)日：2023-12-08
申请号：CN201711200460.9
申请日：2017-11-24
Applicant: 南京大学
IPC: G06F11/36
Abstract: 一种基于步骤提示的安卓众包测试反馈方法，其特征是通过众包测试平台Kikbug的驱动程序对测试过程的记录，建立用户测试行为数据库；在测试过程当中，收集当前测试人员的测试步骤信息，和数据库中已记录的、已触发异常的操作信息对比，解决众包测试报告不够专业的问题，以引导测试人员完成更高效的众包测试。(1)建立关于异常的测试行为数据库，通过任务提供者完成所有待测任务，初始化数据库；(2)对比当前测试人员和数据库中的操作序列，引导测试人员触发异常；(3)存储测试过程中出现的新异常；已确认的异常，不再引导测试人员验证该异常；(5)将异常反馈给任务提供者。(4)当某异常复现的次数超过阀值，将之定义为
-
公开(公告)号：CN111459786B
公开(公告)日：2023-08-29
申请号：CN201910051630.4
申请日：2019-01-18
Applicant: 南京大学
IPC: G06F11/36
Abstract: 本发明提出一种基于变异fuzz的智能合约安全测试方法，该方法以智能合约的源代码作为输入，获取智能合约的二进制接口(Application Binary Interface，ABI)，从ABI中找到函数类型的元素，提取它们的函数声明；在此基础上，进一步开展测试数据生成：若被测函数没有种子，则随机生成测试数据，否则将会有一定几率基于种子变异产生测试数据；接着，使用测试数据执行私有链上的智能合约，进而开展漏洞检测，更新种子，再次回到测试输入产生步骤，如此反复直到达到事先设置测试终止条件(该终止条件可以为测试时间、路径覆盖率等)。通过该方法，测试人员可以在短时间内检查智能合约是否存在安全性问题，并且可以参考输入复现其问题。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.035 seconds)
