-
公开(公告)号：CN109767298A
公开(公告)日：2019-05-17
申请号：CN201910022476.8
申请日：2019-01-10
Applicant: 南京邮电大学
IPC: G06Q30/06 , G06Q50/26 , G06F16/9535
Abstract: 本发明提出了一种乘客司机安全性匹配的方法和系统，所述方法包括包括GPS定位步骤、司机画像步骤、用户画像步骤和安全匹配步骤，首先进入GPS定位步骤，然后同时进行所述司机画像步骤和用户画像步骤，最后进入安全匹配步骤；安全匹配步骤：基于用户输入的打车人数、打车时间、GPS定位步骤中获得的出行路线、司机画像步骤中获得的司机犯罪概率和用户画像步骤中获得的用户可接受侵犯度，从所述筛选队列中筛选司机，进行乘客司机安全性匹配。上述的方法可以提高打车出行的安全性，减小打车过程中发生犯罪的概率。
-
公开(公告)号：CN107423878A
公开(公告)日：2017-12-01
申请号：CN201710396915.2
申请日：2017-05-31
Applicant: 南京邮电大学
CPC classification number: G06Q10/0635 , G06Q20/4016 , G06Q40/025 , G06Q40/06
Abstract: 本发明公开了一种面向P2P网络借贷平台运营风险评估的方法及系统，评估方法包括获取P2P网络借贷平台的运营数据，进行数据预处理，清洗掉一些与P2P网络借贷平台不相关的信息或者收集到的错误信息；然后通过细粒度的时间窗选取，以反映P2P网络借贷运营情况的变化；对将清洗之后的数据保存；然后进行特征选取，采用计算信息增益的方式选取最相关的特征；根据平台的风险指数确定一组该平台的权重系数；最后根据上述求得的权重系数，计算并确认出每个时间窗内该P2P平台的运营风险指数。通过本发明的方法可以评估借贷平台的运营风险的变化情况，反映出网络平台在长时间的阶段内平台的发展以及运营趋势，给投资者提供参考，具有广泛的技术和市场应用价值。
-
公开(公告)号：CN107167136A
公开(公告)日：2017-09-15
申请号：CN201710195744.7
申请日：2017-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向电子地图的位置推荐方法，首先收集用户使用电子地图的路线的历史数据，进行数据预处理，清洗不相关或者缺省的数据信息，然后判断用户当前GPS定位，并结合查询到的用户历史数据进行智能情景判断，根据上述智能情景判断的结果，分类调用推荐算法给用户进行目的地推荐。本发明还进一步提出一种可以实现上述面向电子地图的位置推荐方法的系统，包含GPS位置定位模块、智能情景判别模块、历史记录存储模块和查询模块。本发明针对当前电子地图无目的地智能推荐、城际路线混乱等问题，提出一个目的地位置推荐算法，依托用户历史出行记录，使得在智能场景下能够预测用户出行线路，加大用户使用的智能化便捷性，提高定位准确性。
-
公开(公告)号：CN106997474A
公开(公告)日：2017-08-01
申请号：CN201611244725.0
申请日：2016-12-29
Applicant: 南京邮电大学
CPC classification number: G06K9/6255 , G06K9/6256 , G06K9/6284 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的图节点多标签分类方法，首先加载图数据模块，解析图数据，使用字典的形式保存；生成游走路径模块，完成在图数据中的随机游走，返回生成游走路径；生成节点特征向量模块，将上一步返回的游走路径，以及指定的向量表示维数和上下文窗口大小作为输入，调用word2vec算法计算每一个图节点的特征向量表示；生成训练数据模块，从所有图节点中随机抽取一定百分比的节点作为训练节点数据，对于每一个节点，取其特征向量与该节点对应的标签序列组成二元组作为一个训练样本；最后构建深度置信网络模型。本发明提出的图节点多标签分类算法可以取得比传统的多标签分类算法更高的正确率。
-
公开(公告)号：CN106980648A
公开(公告)日：2017-07-25
申请号：CN201710108298.1
申请日：2017-02-27
Applicant: 南京邮电大学
CPC classification number: G06F17/30867 , G06K9/6215
Abstract: 本发明公开了一种基于概率矩阵分解结合相似度的个性化推荐方法，具体包含以下步骤：S1：建立物品信息和历史评分数据库；S2：生成用户之间和物品之间的相似度矩阵；S3：对上述矩阵的行向量按照降序进行排列；S4：基于概率矩阵分解模型生成目标函数；S5：生成最终的用户和物品的潜在特征矩阵；S6：根据最终的用户和物品的潜在特征矩阵生成预测的评分矩阵；S7：对用户进行个性化推荐。本发明中，可以根据用户的潜在特征向量与相似度高的用户潜在特征向量有关，使得预测评分更加贴近用户的真实评分，从而提高当前推荐系统推荐准确率。
-
Patent Agency Ranking
公开(公告)号：CN105260677A
公开(公告)日：2016-01-20
申请号：CN201510712029.7
申请日：2015-10-28
Applicant: 南京邮电大学
IPC: G06F21/64
CPC classification number: G06F21/64
Abstract: 本发明公开了一种基于多属性的电子数据固定系统和方法，该方法当取证人员需要对某一电子数据进行固定，实现不可更改的校验时，取证人员可以将该电子数据利用该方法算法进行固定，同时为了达到更高的固定水平，可将电子数据内容生成的哈希结果加上生成时间、生成地点、操作人员、操作口令等进行二次固定，实现了防止电子数据的二次修改、原版电子数据校验、批量电子数据相似性匹配等功能。
-
公开(公告)号：CN107167136B
公开(公告)日：2020-10-02
申请号：CN201710195744.7
申请日：2017-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向电子地图的位置推荐方法，首先收集用户使用电子地图的路线的历史数据，进行数据预处理，清洗不相关或者缺省的数据信息，然后判断用户当前GPS定位，并结合查询到的用户历史数据进行智能情景判断，根据上述智能情景判断的结果，分类调用推荐算法给用户进行目的地推荐。本发明还进一步提出一种可以实现上述面向电子地图的位置推荐方法的系统，包含GPS位置定位模块、智能情景判别模块、历史记录存储模块和查询模块。本发明针对当前电子地图无目的地智能推荐、城际路线混乱等问题，提出一个目的地位置推荐算法，依托用户历史出行记录，使得在智能场景下能够预测用户出行线路，加大用户使用的智能化便捷性，提高定位准确性。
-
公开(公告)号：CN109767298B
公开(公告)日：2020-06-26
申请号：CN201910022476.8
申请日：2019-01-10
Applicant: 南京邮电大学
IPC: G06Q30/06 , G06Q50/26 , G06F16/9535
Abstract: 本发明提出了一种乘客司机安全性匹配的方法和系统，所述方法包括包括GPS定位步骤、司机画像步骤、用户画像步骤和安全匹配步骤，首先进入GPS定位步骤，然后同时进行所述司机画像步骤和用户画像步骤，最后进入安全匹配步骤；安全匹配步骤：基于用户输入的打车人数、打车时间、GPS定位步骤中获得的出行路线、司机画像步骤中获得的司机犯罪概率和用户画像步骤中获得的用户可接受侵犯度，从所述筛选队列中筛选司机，进行乘客司机安全性匹配。上述的方法可以提高打车出行的安全性，减小打车过程中发生犯罪的概率。
-
公开(公告)号：CN111126244A
公开(公告)日：2020-05-08
申请号：CN201911321797.4
申请日：2019-12-20
Abstract: 本发明公开了一种基于脸部表情的安全认证系统及方法，包括录入模块、分类模块以及认证模块；录入模块用于录入面部正面、负面表情的图像或视频，并将数据传输至分类模块；分类模块用于对采集到的数据进行特征提取和模型训练，并生成分类模型；认证模块根据分类结果对识别的面部进行认证。本发明的面部表情的认证可以避免被迫刷脸的问题，以此提高认证的安全性。
-
公开(公告)号：CN105893611B
公开(公告)日：2020-04-07
申请号：CN201610266254.7
申请日：2016-04-27
Applicant: 南京邮电大学
IPC: G06F16/36 , G06F40/30 , G06F40/279 , G06F40/284 , G06Q50/00 , H04L12/58
Abstract: 本发明公开了一种构建面向社交网络的兴趣主题语义网络的方法，以解决目前以文本分类为主的兴趣感知和消息推送方法无法适应社交网络新概念、新兴趣点的增长问题。首先从读入的网页文件中抽取所需的关键文本信息，并完成抽取关键词集，然后分析页面内关键词之间的关系，并结合历史页面中的关键词关系，构建关键词语义网络。经过主题词判别和主题词筛选进行主题词相似度计算，确定构建主题词和主题词之间的语义网络或形成新的主题。通过本发明引入的新词发现机制可以实现社交网络新词的发现，减少新词出现后的字典配置操作，实现自动化的新兴趣主题发现，有效地为检索和推荐服务提供更为新鲜、精准的主题类目。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.055 seconds)
