公开(公告)号：CN113705099A

公开(公告)日：2021-11-26

申请号：CN202111008424.9

申请日：2021-08-31

Applicant: 电子科技大学

Inventor： 周帆 ,  李策 ,  王志远 ,  何震宇 ,  钟婷

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于对比学习的社交平台谣言检测模型构建方法及预测方法，利用事件增强对原始数据集进行扩充和增强，再将增强后的数据输入对比学习和图神经网络进行自监督图表示学习，得到无标签训练下的模型。然后用部分或全部有标签的数据对网络模型进行训练，利用有监督的信息对模型进行微调，得到代表源博文信息的嵌入表示，最后输入神经网络分类器，获得谣言的分类结果。本发明基于图神经网络的对比学习方法和事件增强策略，缓解了现实情况下谣言数据集稀缺、制作数据集标签困难的现状。进一步，本发明将学习到的谣言嵌入表示输入神经网络分类器，从而达到对在线网络平台谣言检测的目的。

公开(公告)号：CN113378074A

公开(公告)日：2021-09-10

申请号：CN202110649825.6

申请日：2021-06-10

Applicant: 电子科技大学

Inventor： 周帆 ,  代雨柔 ,  余柳 ,  钟婷 ,  敬鑫

IPC: G06F16/9536 ,  G06F16/9537 ,  G06Q50/00

Abstract: 本发明公开了一种基于自监督学习的社交网络用户轨迹分析方法，通过数据增强技术对轨迹数据进行数据的合理扩充，再结合自监督的方法更好的学习轨迹数据的表示。然后构建一个预训练模型(该模型中包含了RNN和注意力机制等深度学习神经网络层)，在预训练模型中利用对比学习构建正负样本，学习锚数据与正负样本之间的互信息。然后，将预训练模型中学习到的参数迁移到下游任务中，微调网络使下游任务的性能能够得到提升。本发明的目的旨在针对社交网络中用户轨迹分析研究中存在轨迹点稀疏、数据反馈存在差异、下一个轨迹点信号弱等问题，提供一种以自监督学习为框架并结合数据增强的方法，来学习人类的移动模式，使更流畅和完整地捕捉用户的运动意图。

公开(公告)号：CN113095440A

公开(公告)日：2021-07-09

申请号：CN202110482974.8

申请日：2021-04-30

Applicant: 电子科技大学

Inventor： 周帆 ,  曹丞泰 ,  钟婷 ,  徐增

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于元学习者的训练数据生成方法及因果效应异质反应差异估计方法，首先利用随机现场试验获得原始训练数据学习两个基学习者，再通过元学习者，将两个基学习者对原始训练数据进行交叉测试，生成训练数据；再利用生成的训练数据分别学习一个针对处理组和控制组的任务子学习者，再由两个任务子学习者构成最终的任务学习者；通过最终任务学习者可以实现对用户因果效应异质反应差值的估计。本发明基于元学习者，提出了一套可用估计因果效应异质反应差异的框架，可以与任意基学习者模型结合使用，用于估计任意类型的因果效应反应差异；例如可以用来指导定价的折扣手段、有效广告策略的设计以及产品的尺寸和包装方案的设计等。

公开(公告)号：CN110781401A

公开(公告)日：2020-02-11

申请号：CN201911079406.2

申请日：2019-11-07

Applicant: 电子科技大学

Inventor： 莫玉华 ,  钟婷 ,  周帆

IPC: G06F16/9535

Abstract: 本发明提供了一种利用协同自回归流(CAF)实现的项目推荐方法，将基于自回归流的生成模型扩展到协同过滤技术，用于建模隐式反馈。CAF通过一系列可逆变换将简单的初始密度转换为更复杂的符合数据真实分布的密度，挖掘用户访问过的项目以及用户和项目的属性特征中存在的潜在信息，从而能够学习到更有表示能力的用户潜在表示和项目潜在表示，稳定有效地为用户推荐下一次最有可能访问的项目。此外，本发明在模型中加入了协同自回归流去学习隐含变量的真实分布，这可以减小传统的变分模型(比如VAE)在基于会话的推荐问题中的误差。

公开(公告)号：CN108564129A

公开(公告)日：2018-09-21

申请号：CN201810372762.2

申请日：2018-04-24

Applicant: 电子科技大学

Inventor： 周帆 ,  殷睿阳 ,  钟婷

IPC: G06K9/62

Abstract: 本发明公开了一种基于生成对抗网络的轨迹数据分类方法，首先将真实轨迹数据输入生成对抗网络，使生成对抗网络训练至生成器生成与真实轨迹数据分布相同的仿真轨迹数据；然后利用生成对抗网络的生成器生成若干组仿真轨迹数据；最好对生成的若干组仿真轨迹数据与真实轨迹数据一起进行分类处理，得到轨迹用户映射。本发明通过生成对抗网络可以模拟真实轨迹数据的分布，以生成的仿真轨迹数据和真实轨迹数据一起作为轨迹数据分类的数据源，对轨迹数据进行分类，可以有效解决数据稀疏问题，避免稀疏轨迹数据对轨迹数据分类产生的负面影响；由于稀疏轨迹数据也存在相应的轨迹用户映射，因此能够实现对稀疏轨迹数据分类有助于提高数据分类效果。