-
公开(公告)号：CN119006098A
公开(公告)日：2024-11-22
申请号：CN202411049165.8
申请日：2024-08-01
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/213 , G06N3/0464 , G06N3/0455 , G06N3/042
Abstract: 本发明属于序列推荐领域，涉及一种基于多模态多行为的跨视图序列推荐方法，包括：序列推荐模型的训练过程包括：获取多模态电商平台序列，并输入预处理模块，得到多模态特征嵌入向量和多行为感知交互序列；将多模态特征嵌入向量输入多模态偏好提取模块，得到多模态中不同因素的独立特征表示和多模态偏好；将多行为感知交互序列输入多行为偏好提取模块，得到多行为偏好；将多模态中不同因素的独立特征表示、多模态偏好和多行为偏好输入跨视图学习模块计算损失函数值，根据损失函数值更新模型参数，当损失函数值最小时，完成模型训练；本发明采用跨视图学习框架学习多模态和多行为之间的协同关系，双向优化增强推荐性能，进一步提高推荐的准确性。
-
公开(公告)号：CN118643227A
公开(公告)日：2024-09-13
申请号：CN202410767462.X
申请日：2024-06-14
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00
Abstract: 本发明属于社交网络领域，具体涉及一种基于用户观点变迁的话题传播控制方法，包括：获取用户信息；构建话题传播模型；计算用户信息中的各个因素影响力；根据各个因素影响力采用多类型观点博弈驱动机制对用户信息进行处理，得到用户消极、积极和促消极观点的驱动力；采用用户观点变迁机制对消极、积极和促消极观点的驱动力进行处理，得到用户观点变迁动力学方程；根据用户观点变迁动力学方程构建目标函数，计算目标函数的最优解；将最优解带入用户观点变迁动力学方程进行求解，得到不同时刻用户的观点状态集；根据不同时刻用户的观点状态集对话题进行传播控制；本发明通过引入哈密尔顿函数实现损失函数最小化，得到最优的控制方案。
-
公开(公告)号：CN115906162B
公开(公告)日：2024-07-12
申请号：CN202211458568.9
申请日：2022-11-17
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06N3/04 , G06N3/08 , G06N20/00 , G06F18/214
Abstract: 本发明属于联邦学习技术应用领域，具体涉及一种基于异质表示和联邦因子分解机的隐私保护方法，该方法包括：获取各客户端用户数据，并在客户端本地对数据进行预处理；对预处理后的数据进行安全对齐；构建纵向联邦因子分解机模型，将安全对齐后的数据通过异质表示后输入到纵向联邦因子分解机模型中，得到隐私保护后的客户端局部模型；本发明通过对用户数据进行对齐处理，并采用数据加密算法对用户ID等隐私信息进行加密保护，使得非重叠用户的信息不泄露。
-
公开(公告)号：CN115761408A
公开(公告)日：2023-03-07
申请号：CN202211475594.2
申请日：2022-11-23
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明属于数据安全技术领域，具体涉及一种基于知识蒸馏的联邦域适应方法及系统；该方法包括：多个医疗机构作为客户端采集数据库中的医疗图像，服务器采集本地医疗数据库中的医疗图像；将客户端中的数据作为源域数据，服务器中的数据作为目标域数据；构建基于医疗图像分类模型的联邦学习模型；根据源域数据和目标域数据对联邦学习模型进行医疗图像分类模型训练和对比学习，得到训练好的全局模型；服务器采集目标医疗机构的医疗图像并将其输入到全局模型中，得到医疗图像分类结果；本发明预测精度高，对用户数据隐私保护性好，具有良好的应用前景。
-
公开(公告)号：CN115759110A
公开(公告)日：2023-03-07
申请号：CN202211359512.8
申请日：2022-11-02
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/126 , G06F18/25 , H04L51/52
Abstract: 本发明属于网络信息处理领域，具体涉及一种基于多特征融合的恶意信息检测方法、装置及系统；所述方法包括获取社交网络平台的传播信息，得到源文本、评论文本的句子级语义向量和源文本的字符级语义向量；分别得到源文本特征和评论文本特征；进行处理后得到源文本特征检测结果和评论文本特征检测结果；根据用户关系属性，构建出用户节点与其邻居节点之间的信息传播树，按照信息传播树构建出传播子图，对传播子图向量化，得到传播特征；进行处理后得到传播特征检测结果；采用基于时变函数的融合方法对源文本特征检测结果、评论文本特征检测结果与传播特征检测结果进行融合，检测出恶意信息。本发明能够更精确的尽早完成恶意信息的检测。
-
Patent Agency Ranking
公开(公告)号：CN115587633A
公开(公告)日：2023-01-10
申请号：CN202211382618.X
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G06N20/00 , G06F18/22 , G06F18/23213
Abstract: 本发明属于联邦学习技术应用领域，尤其涉及一种基于参数分层的个性化联邦学习方法；本发明包括：客户端在联邦学习前对本地模型进行参数划分，得到基础层参数和个性化层参数，将基础层参数与个性化层参数在每次联邦学习中进行更新，并基于更新后的基础层参数对客户端进行聚类划分，从而获取每个小组的组平均权重上传给服务器，服务器更新基础层参数；联邦学习完成后得到最优的基础层参数下发给客户端，客户端采用本地数据对本地模型进行训练得到个性化的本地模型；本发明通过参数分层和联邦训练中的聚类划分可以缓解每个客户端的非独立同分布数据所带来的异质性问题，有助于每个客户端最终的模型更适应于它本地的数据。
-
公开(公告)号：CN115495671A
公开(公告)日：2022-12-20
申请号：CN202211128418.1
申请日：2022-09-16
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q10/04 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明属于网络舆情分析领域，具体涉及一种基于图结构迁移的跨领域谣言传播控制方法，包括：实时获取待传播的数据，并提取待传播数据的相关属性；采用URR2vec算法对相关属性进行处理，得到用户转发行为驱动力；根据用户转发行为驱动力采用训练后的图卷积神经网络计算用户转发行为影响力；根据用户转发行为影响力确定谣言传播趋势，并传播趋势对谣言进行控制；本发明通过对待传播的数据提取谣言话题重要度、谣言话题热度、用户活跃度、用户受情感影响指数以及用户亲密度等的相关特征，通过提取的特征对待传播的数据进行分析，使得预测的谣言传播趋势的准确度更高。
-
公开(公告)号：CN115495670A
公开(公告)日：2022-12-20
申请号：CN202211126773.5
申请日：2022-09-16
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q10/04 , G06Q50/00
Abstract: 本发明属于信息传播分析处理领域，具体为基于高阶传播网络的恶意‑反恶意信息传播预测方法。所述方法包括获取社交网络平台的传播话题下的用户行为记录、信息参与记录以和信息传播情况，并进行预处理；从而提取出用户自身属性、用户群体属性以及用户影响力；计算出用户的多维信息影响力；根据动态博弈理论计算恶意信息与反恶意信息的传播推动力；将用户分成四类状态，建立出传播模型；根据恶意信息与反恶意信息的传播推动力，利用传播模型的动力学方程求解出任意用户在任意时刻参与恶意信息和反恶意信息传播的概率。
-
公开(公告)号：CN110795641B
公开(公告)日：2022-09-27
申请号：CN201911071623.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06F40/289
Abstract: 本发明属于社交网络谣言信息控制技术领域，特别涉及一种基于表示学习的网络谣言传播控制方法，包括获取原始数据进行预处理，并对预处理后的原始数据进行时间分片；提取用户社交结构、用户历史信息、用户基本属性三个方面的相关属性向量，并将相关属性转换为低位稠密实质向量；构建图卷积神经网络，并将特征向量作为图卷积神经网的输入；利用训练数据对图卷积神经网络进行训练；图卷积神经网络输出下一个时刻用户的粉丝参与话题的概率、该粉丝参与谣言的概率以及该粉丝参与辟谣话题的概率；若该用户参与谣言的概率最大，则将辟谣消息推送给该用户；本发明使用表示学习的方法全貌表示了谣言话题下用户的特征，从而使最后的预测效果更好。
-
公开(公告)号：CN112464082B
公开(公告)日：2022-06-28
申请号：CN202011226185.X
申请日：2020-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于网络舆情分析领域，具体涉及一种基于稀疏表示和张量补全的谣言‑辟谣博弈传播控制方法，该方法包括：获取用户数据信息，对用户数据信息进行预处理；提取预处理后的用户数据信息的相关属性；将用户数据信息的相关属性输入到基于稀疏表示和张量补全的谣言‑辟谣博弈传播模型，预测用户传播谣言的趋势；根据预测的用户谣言传播趋势对谣言传播的用户进行控制，阻止谣言的传播；本发明利用演化博弈理论和神经网络对用户是否参加谣言‑辟谣话题进行预测，可动态化的预测用户在什么时候参与该话题讨论，并对谣言话题发展趋势进行态势感知。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.029 seconds)
