-
公开(公告)号：CN113343126A
公开(公告)日：2021-09-03
申请号：CN202110903231.3
申请日：2021-08-06
Applicant: 四川大学
IPC: G06F16/9536 , G06F40/30 , G06N3/04
Abstract: 本发明公开了基于事件与传播结构的谣言检测方法，提取每个事件中的源帖信息，并通过基于情感极性的双向编码器表示技术对源帖信息进行文本数据增强；然后构建传播关系，同时，将增强后的文本向量特征加入到传播关系的根节点中，与传播关系结合，形成树型传播结构，再从根节点开始，通过转发及响应关系而形成的自前向后的正向树型传播结构和将由社区内各个分散节点聚集到上层根节点表示形成自后向前的反向树型传播结构分别输入到FRBi‑GCN中；最后，对传播树中包含根节点以及转发节点在内的所有节点进行节点增强操作，并通过softmax分类器鉴别出该事件是否是谣言。
-
公开(公告)号：CN111199233A
公开(公告)日：2020-05-26
申请号：CN201911398435.5
申请日：2019-12-30
Applicant: 四川大学
Abstract: 本发明公开了一种改进的深度学习色情图像识别方法，获取每个原始图像的尺度信息，将每个原始图像的最短边固定为统一的尺寸大小，另外一边按原始图像的比例进行缩放，得出图像标准化后的图像；提取图像的紧凑表示；并在此基础上添加高斯噪声攻击得到输出向量，对其进行训练并得到输出特征图，而后依次通过通道注意力模型和空间注意力模型，输出具有注意力机制的注意力机制特征图，而后输入到特征空间组合网络内进行卷积操作，输出特征向量；在其基础上，通过解码网络形成数据，结合输入对该部分进行优化；在输出特征向量的基础上，添加零中心的高斯噪声产生伪类数据，然后将第一损失函数和第二损失函数进行加权联合训练，得到色情图像识别模型。
-
公开(公告)号：CN106096029B
公开(公告)日：2020-01-14
申请号：CN201610475961.7
申请日：2016-06-27
Applicant: 四川大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种基于用户双向关系的推荐方法，根据用户对已有的项目的评分记录，计算用户之间的正向和反向相似度，并得到用户的正向和反向相似用户群，然后通过正向相似用户群和反向相似用户群的加权评分预测用户评分；在二值评分模式或多值评分模式下进行，包括：1）根据用户已有的项目的评分记录，计算用户之间的正向相似度和反向相似度；2）创建正向相似用户群和反向相似用户群；3）根据正向和反向相似用户群，预测出目标用户对未知项目的评分；4）产生推荐；为了缓解数据稀疏时相似用户不足导致评分预测不准确的问题，在用户相似关系的基础上，进一步挖掘用户近似相反或反向相似关系的作用，结合用户的正反双向相似关系产生最终推荐。
-
公开(公告)号：CN109597944A
公开(公告)日：2019-04-09
申请号：CN201811276813.8
申请日：2018-10-30
Applicant: 四川大学
IPC: G06F16/9536 , G06K9/62
Abstract: 本发明公开了一种基于深度信念网络的单分类微博谣言检测模型，进行谣言的甄别，其特征在于：包括下述具体步骤：1）进行关键用户节点选择，在微博中选择有影响力和有代表性的用户；2）数据的爬取及数据预处理；3）采用深度信念网络将步骤2）预处理后的数据进行特征提取与降维；4）采用SVDD算法进行谣言甄别；该模型基于关键用户的数据收集模式，并将深度信念网络微博谣言检测之中，通过深度信念网络的非线性变换与层层递进实现了特征提取与降维，采用单分类问题中的支持向量数据描述用于谣言的识别。
-
公开(公告)号：CN106096029A
公开(公告)日：2016-11-09
申请号：CN201610475961.7
申请日：2016-06-27
Applicant: 四川大学
Abstract: 本发明公开了一种基于用户双向关系的推荐方法，根据用户对已有的项目的评分记录，计算用户之间的正向和反向相似度，并得到用户的正向和反向相似用户群，然后通过正向相似用户群和反向相似用户群的加权评分预测用户评分；在二值评分模式或多值评分模式下进行，包括：1）根据用户已有的项目的评分记录，计算用户之间的正向相似度和反向相似度；2）创建正向相似用户群和反向相似用户群；3）根据正向和反向相似用户群，预测出目标用户对未知项目的评分；4）产生推荐；为了缓解数据稀疏时相似用户不足导致评分预测不准确的问题，在用户相似关系的基础上，进一步挖掘用户近似相反或反向相似关系的作用，结合用户的正反双向相似关系产生最终推荐。
-
Patent Agency Ranking
公开(公告)号：CN101227288A
公开(公告)日：2008-07-23
申请号：CN200810045300.6
申请日：2008-01-29
Applicant: 四川大学
Abstract: 本发明提出了一种网络攻击危害性评估方法，建立了网络攻击危害性指标体系，该指标体系由目标层、准则层、因素层构成，其中，目标层为最终的网络攻击危害性指标，准则层具体由网络资源类、服务类和攻击影响类等指标组成，因素层由网络资源类、服务类和攻击影响类等指标的下级指标组成，其中，网络资源类因素层指标具体由CPU占用、内存占用、网络带宽占用、其它硬件资源占用、对系统软件的危害性、对应用软件的危害性和对数据的危害性等指标组成，服务类指标具体由服务范围、服务类型、服务对象和可恢复程度等指标组成，攻击影响类指标具体由政治影响、经济影响和社会影响等指标组成。利用层次分析法计算网络攻击危害性指标，其计算过程为：首先，计算因素层指标的值和权重值；然后，根据因素层指标的值和权重值计算准则层指标的值；最后，根据准则层指标的值和权重值计算网络攻击危害性指标。本发明能够定量地刻画网络攻击的危害性，可用于网络安全风险评估、入侵检测、安全审计等系统，具有广阔的应用前景。
-
公开(公告)号：CN119227686B
公开(公告)日：2025-04-25
申请号：CN202411283583.3
申请日：2024-09-13
Applicant: 四川大学
IPC: G06F40/295 , G06F40/30 , G06N3/0455 , G06N3/047 , G06N3/088 , G06N5/04
Abstract: 本发明涉及网络内容安全、网络空间安全技术等领域，公开了一种基于仇恨对象特征和变体词还原的仇恨言论检测方法，包括基于P‑Tuning v2方法微调ChatGLM2‑6B模型，构建变体词还原模块；采用BIO标注法对中文仇恨言论数据集中的每条样本进行仇恨对象实体标注，建立BERT‑CRF模型并进行特征提取和标签序列优化，同时保存训练完成后的BERT编码器层参数；将训练得到的BERT编码器层参数初始化至仇恨言论检测模块的BERT编码器层，开展并完成仇恨言论检测模块的训练；利用训练好后的仇恨言论检测模型对输入的任一条待检测文本进行最终的仇恨言论检测分类；该方法增强了模型的上下文特征提取能力，减缓了特定表述对模型决策的负面影响，并有效缓解了变体词对仇恨言论检测语义提取的干扰。
-
公开(公告)号：CN119227686A
公开(公告)日：2024-12-31
申请号：CN202411283583.3
申请日：2024-09-13
Applicant: 四川大学
IPC: G06F40/295 , G06F40/30 , G06N3/0455 , G06N3/047 , G06N3/088 , G06N5/04
Abstract: 本发明涉及网络内容安全、网络空间安全技术等领域，公开了一种基于仇恨对象特征和变体词还原的仇恨言论检测方法，包括基于P‑Tuning v2方法微调ChatGLM2‑6B模型，构建变体词还原模块；采用BIO标注法对中文仇恨言论数据集中的每条样本进行仇恨对象实体标注，建立BERT‑CRF模型并进行特征提取和标签序列优化，同时保存训练完成后的BERT编码器层参数；将训练得到的BERT编码器层参数初始化至仇恨言论检测模块的BERT编码器层，开展并完成仇恨言论检测模块的训练；利用训练好后的仇恨言论检测模型对输入的任一条待检测文本进行最终的仇恨言论检测分类；该方法增强了模型的上下文特征提取能力，减缓了特定表述对模型决策的负面影响，并有效缓解了变体词对仇恨言论检测语义提取的干扰。
-
公开(公告)号：CN117009619A
公开(公告)日：2023-11-07
申请号：CN202310830785.4
申请日：2023-07-07
Applicant: 中物院成都科学技术发展中心 , 四川大学 , 达州职业技术学院
IPC: G06F16/951 , G06F16/9536 , G06F16/2458 , G06F16/35 , G06F11/34 , G06F11/30
Abstract: 本发明提供一种面向公共安全的高实时社交网络数据采集方法，属于网络数据采集技术领域，解决了现有方法中的节点同质性、冗余噪音和时间延迟大等典型问题；方法包括：构建社交网络的初始监控节点集合，依据小世界理论四度空间原则，选择节点的四阶邻居后扩充，获得候选监控节点集合，计算并去除同质化高的节点，得到最终监控节点集合；再采集各节点社交网络内容的文本信息，对文本信息进行聚类，获取主题信息及传播特征的时序变化，得到潜在话题与特征词后，构建数据采集请求，采集指定主题的数据；本发明通过监控节点的更新，在社交网络的事件传播前，能够高效获取与该事件相关的信息，为后续应用提供技术与数据保障。
-
公开(公告)号：CN115798055B
公开(公告)日：2023-04-28
申请号：CN202310097454.4
申请日：2023-02-10
Applicant: 四川大学
IPC: G06V40/20 , G06T7/246 , G06V20/40 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于cornersort跟踪算法的暴力行为检测方法，解决现有技术检测准确率低、漏检、误判、识别能力差的不足，收集暴力视频训练集，对视频帧数据进行统一裁剪后使用cornersort行人跟踪模块处理人体骨架数据，生成骨架运动特征分量；并输入到RGB外观信息补充模块，利用轻量级RGB空间特征提取网络将骨架附近的外观信息补充到骨架运动特征分量中，输出得到具有RGB外观信息的骨架运动特征分量；而后送入基于transformer注意力机制的时空图模块中，计算出空间注意力权值图和时间注意力权值图，并分别与骨架运动特征分量在空间和时间上进行权重分配后，逐步生成更高级别的特征，最后通过标准softmax分类器得到暴力或非暴力的置信度，得到是否存在暴力行为的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.042 seconds)
