-
公开(公告)号:CN119357745A
公开(公告)日:2025-01-24
申请号:CN202411474779.0
申请日:2024-10-22
Applicant: 重庆邮电大学
Abstract: 本发明属于社交网络分析领域,具体涉及基于情感累积和动态图表示的早期引导型话题检测方法,包括:获取话题爆发前后产生的话题数据,包括在话题中发表评论用户的基本信息、评论信息和好友关系;根据用户历史发表评论的主题分布相似性以及用户的情感影响力,建立用户之间的关系权重矩阵;将用户的基本信息转换为一个向量表示;将话题下各用户的向量表示和用户之间的关系权重矩阵输入基于时间编码的图注意力网络,判断当前话题是否属于引导型话题。本发明能够有效识别引导型话题,对于及时控制谣言等引导型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:CN115587633B
公开(公告)日:2024-11-22
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:CN115829009B
公开(公告)日:2024-10-29
申请号:CN202211391786.5
申请日:2022-11-08
Applicant: 重庆邮电大学
IPC: G06N3/0475 , G06N3/0895
Abstract: 本发明涉及联邦学习领域,特别涉及一种隐私保护下基于半监督联邦学习的数据增强方法,包括构建带辅助分类器的生成对抗网络ACGAN,将改进的Dropout加入ACGAN,将已标注的数据输入ACGAN进行数据增强;构建包括一个中心服务器和C个客户端的Cycle‑Fed模型,利用已标注样本和增强样本对Cycle‑Fed模型进行训练,并将未标注的样本的数据输入Cycle‑Fed模型预测得到伪标注样本;将伪标注样本输入ACGAN的鉴别器进行鉴别,得到具有双重置信度的伪标注样本,完成数据增强;本发明不仅能够大大减小客户端与服务器之间的通信代价,而且能够利用大量未标注数据进行半监督联邦学习。
-
公开(公告)号:CN113971373B
公开(公告)日:2024-10-25
申请号:CN202111311305.0
申请日:2021-11-08
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/08 , G06F111/08
Abstract: 本发明属于智能交通领域,具体涉及一种基于视频修复技术的交通流量插补方法,该方法包括:获取车辆数据,根据获取的车辆数据构建车辆轨迹;将车辆轨迹输入到Skip‑gram模型中,提取卡口特征向量;采用t‑SNE算法对卡口特征向量进行降维处理,得到卡口二维特征分布;将卡口二维特征分布进行扩散,生成卡口矩阵,并填充卡口流量生成路网流量图像;将路网流量图像输入到交通流量插补模型中,得到恢复流量的数据;所述交通流量插补模型包括周期子网络、空间子网络以及融合网络;本发明为智能交通系统的构建提供了高质量的数据基础,也可以应用于同类型的时空数据插补或预测。
-
公开(公告)号:CN118822674A
公开(公告)日:2024-10-22
申请号:CN202410845546.0
申请日:2024-06-27
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06N7/01
Abstract: 本发明提出了一种商品信息话题传播的预测方法、装置及设备,所述方法包括根据获取的社交电商平台的用户数据信息和商品数据信息,从用户、KOL以及商品三方面提取相关属性;以社交电商平台中的用户关系网络为基础,根据用户的社交行为、社交影响力和用户关系结构获取用户之间的信任关系,建立基于区间2型模糊集合的信任评价模型,用于度量用户对KOL的信任度;运用基于隐马尔科夫模型的用户偏好预测算法,预测用户在一段时间内是否会产生复购行为;最后通过前两步度量用户间的信任程度以及预测用户偏好,提出用户在接收商品信息所产生的复购状态P和犹豫购买状态H,从而构建商品信息传播模型SIRPH,由此来研究商品信息的传播态势。可以更加真实的预测社交电商信息的传播过程。
-
公开(公告)号:CN118820611A
公开(公告)日:2024-10-22
申请号:CN202410815294.7
申请日:2024-06-24
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F18/27 , G06Q50/00 , G06F16/951
Abstract: 本发明属于网络舆情分析领域,具体涉及一种基于认知差异的跨平台话题传播趋势预测方法,包括使用社交网络的API接口获取到待检测话题对应的话题相关数据与话题的用户信息数据;对话题数据进行消息内部因素特征提取和用户外部认知因素特征提取,根据提取的特征计算出用户的信息感知力、用户的话题意识度、话题流行度以及邻居传播推动力;利用多元线性回归模型,基于用户的信息感知力、用户的话题意识度、话题流行度以及邻居传播推动力计算出用户的认知对于传播话题信息的影响力;考虑实际的话题传播,通过用户的认知对于传播话题信息的影响力结合跨平台传播机制计算得到用户跨平台传播话题的概率;根据用户独立转发概率和跨平台状态转换概率构建传播动力学方程;求解动力学方程,得到考虑用户认知差异对话题传播的影响,并计算话题的传播趋势;本发明能够充分分析在社交网络中话题传播的规律,为控制话题传播提供理论基础。
-
公开(公告)号:CN115936110B
公开(公告)日:2024-09-03
申请号:CN202211458846.0
申请日:2022-11-18
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/0464 , G06F18/23 , G06F18/2135 , G06F18/214 , G06F18/25 , G06F9/50
Abstract: 本发明涉及一种缓解异构性问题的联邦学习方法,包括初始化所有客户端的任务量和历史训练数据;选取M个客户端作为第一客户端;并根据客户端的资源报告生成客户端的特征向量;将全局模型和第一客户端的任务量发送给第一客户端对全局模型训练获得本地模型;将客户端上传的本地模型进行聚合得到下一轮迭代训练的全局模型;利用全局模型的训练数据对第一客户端进行更新;服务器根据第一客户端向服务器上传的本地模型和利用辅助数据集重新划分下一轮全局模型迭代训练的第一客户端和第二客户端;并重复执行步骤S2‑S6,直至达到预设的训练轮数为止,输出最终全局模型。
-
公开(公告)号:CN113946708B
公开(公告)日:2024-07-16
申请号:CN202111280061.4
申请日:2021-10-29
Applicant: 重庆邮电大学
IPC: G06F16/583 , G06F16/958 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明属于数据挖掘和信息检索领域,具体涉及基于图像复原技术和谣言辟谣信息的话题传播预测方法;该方法包括获取参与话题讨论的用户数据源信息;提取用户的相关属性;提出rumor2pixel算法,将用户传播空间映射到像素空间,生成话题图像,利用无监督的对抗生成网络对得到的话题图像进行数据补偿,根据演化博弈理论,定义博弈策略,量化谣言‑辟谣互影响力,利用卷积神经网络建立谣言‑辟谣信息的话题传播预测模型,预测用户最终是否会参与该话题的讨论;本发明能让相关部门更准确地掌握网络谣言事件的发酵和传播,并加以引导和管控;也能应用于企业产品和服务的推广,有助于掌握群体行为特性分布,分析潜在客户群体,从而获得良好的经济、社会效益。
-
公开(公告)号:CN117037483A
公开(公告)日:2023-11-10
申请号:CN202310995264.4
申请日:2023-08-09
Applicant: 重庆邮电大学
IPC: G08G1/01 , G08G1/052 , G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/042 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种基于多头注意力机制的交通流预测方法,包括获取目标道路所在目标区域的路网地理图及其历史交通流数据;构建地理邻域子图和语义相似性子图;利用多头注意力机制分别计算地理邻域子图和语义相似性子图中道路节点与其相邻节点之间的权重,更新地理邻域子图和语义相似性子图的邻接矩阵;利用参数融合法将更新后的地理邻域子图和语义相似性子图的邻接矩阵进行融合得到融合矩阵,根据融合矩阵利用GCN提取目标道路节点的时空特征序列;将目标道路节点的时空特征序列和目标道路节点的交通流数据输入双向GRU模型,根据双向GRU模型的正向输出和反向输出通过全连接层得到目标道路节点的交通流预测结果。
-
公开(公告)号:CN116881842A
公开(公告)日:2023-10-13
申请号:CN202310835910.0
申请日:2023-07-07
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/24 , G06F40/289 , G06N3/0442 , G06Q50/00
Abstract: 本发明属于网络舆情分析领域,尤其涉及一种融合观点分歧度和情感博弈的谣言检测方法,包括从数据平台以及社交平台提供的API接口中获取包含谣言、非谣言和评论转发消息的多类型话题信息以及相关用户信息;基于话题和用户特征,从各个话题中将用户关系、转发关系、用户行为、评论信息进行特征提取,并结合多项式方程对特征进行融合;将构建的用户、评论分歧特征及话题特征融合为消息影响力,结合三方认知博弈理论对情感互影响力进行构建,使用Dempster组合规则结合引入注意力机制的前期融合和后期融合,利用长短期记忆网络模型建立谣言检测模型;本发明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。
-
-
-
-
-
-
-
-
-