-
公开(公告)号：CN103415029A
公开(公告)日：2013-11-27
申请号：CN201310381594.0
申请日：2013-08-28
Applicant: 重庆邮电大学
IPC: H04W24/02
Abstract: 本发明公开了一种异构网内移动性管理方法，属于移动通信技术领域。包括以下步骤：对用户移动终端的移动速度进行评估；源基站根据用户移动终端的移动速度和移动方向调整移动管理策略。在步骤二中，根据用户移动终端的移动速度和移动方向具体采用以下移动管理策略：由宏小区向微微小区高速运动的用户移动终端移动性管理策略；由微微小区向宏小区高速运动的用户移动终端移动性管理策略；由宏小区向微微小区低速运动的用户移动终端移动性管理策略；由微微小区向宏小区低速运动的用户移动终端移动性管理策略。本方法通过对用户移动终端的移动性进行检查，采用不同的移动性管理策略，在尽量减少传输资源损耗的前提下，提高了异构网络中移动切换执行的成功率。
-
公开(公告)号：CN101420343B
公开(公告)日：2011-02-09
申请号：CN200810233159.2
申请日：2008-11-28
Applicant: 重庆邮电大学
Abstract: 本发明提供一种针对EPA网络的网络拓扑发现方法，涉及工业以太网技术。该方法包括以下步骤：EPA网络监控服务器根据EPA网桥网络拓扑信息存储模块中的网络拓扑信息构造EPA网桥的连接关系；根据EPA交换机网络拓扑信息存储模块中的中网络拓扑信息构造EPA交换机的连接关系；通过EPA网桥和EPA交换机网络拓扑信息存储模块中的网桥和交换机端口邻接设备对象信息，构造EPA网桥和EPA交换机与EPA终端设备的连接关系；根据上述连接关系，绘制网络拓扑结构图；本发明能够及时、准确得提供EPA网络拓扑结构更新信息，为EPA网络的实时监测和控制提供有效的支持。
-
公开(公告)号：CN119962635A
公开(公告)日：2025-05-09
申请号：CN202510058630.2
申请日：2025-01-15
Applicant: 重庆邮电大学
IPC: G06N3/098 , G06N3/045 , G06F18/22 , G06F18/231 , G06F18/2433
Abstract: 本发明涉及联邦学习领域，特别涉及一种基于公平性增强的联邦学习方法，包括优化样本选择和资源分配以提升模型的公平性；通过Gower相似性度量和层次聚类对数据进行分层处理，确保不同层次数据的代表性；结合参数化损失权重的动态权重调整策略，实时优化数据层的敏感性，动态平衡不同数据层在训练中的贡献，完成权重分配优化；构建基于自编码器的加权聚合模型，利用自编码器对数据进行异常检测，结合公平性指标优化全局模型的更新；本发明能够有效减少本地模型偏差，并在异构数据环境下显著提升联邦学习的公平性和模型精度。
-
公开(公告)号：CN119939022A
公开(公告)日：2025-05-06
申请号：CN202411924373.8
申请日：2024-12-25
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/088 , G06N5/04 , G06F18/2431 , G06F18/2415
Abstract: 本发明涉及一种基于用户心理收益和对抗生成网络的虚假与真实引导性话题博弈的传播预测方法，属于互联网应用技术领域。该方法包括：定义网络话题传播过程中的相关参数进行定义；根据用户的用户基本信息、用户关系网络、用户历史行为和引导性话题数据构建虚假与真实引导性话题数据空间；通过Simcse和熵权法量化用户心理收益，并通过对抗生成网络对用户话题特征数据进行增强；通过演化博弈理论量化虚假与真实话题之间的对抗博弈关系，并将虚假与真实话题的互影响力融入用户关系网络邻接矩阵中；结合增强后的用户话题特征数据以及含有互影响力信息的用于邻接矩阵，采用PI‑GCN模型预测用户行为，并预测统计未来引导性话题的传播趋势。
-
公开(公告)号：CN119887427A
公开(公告)日：2025-04-25
申请号：CN202510069611.X
申请日：2025-01-16
Applicant: 重庆邮电大学
IPC: G06Q50/00 , G06F21/62 , G06F18/20 , G06F18/213 , G06F18/22 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06N3/098 , G06F123/02
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，包括：通过动态时空图自编码记忆模型、注意力机制模拟用户时空关系，得到用户关系矩阵；构建用户属性矩阵，并融合用户关系矩阵，得到用户矩阵；通过基于联邦学习的训练模型，将平台X、Y的用户特征矩阵输入到模型中进行训练，得到跨域用户对齐的预测结果。本发明针对用户关系的时序特性，结合动态关系表示更新与建模，并融合其他非时序特征进行跨平台用户对齐预测，通过该方法，可以有效解决跨域数据隐私泄露和社交网络动态性等问题，最终实现精准的跨平台网络用户对齐。
-
Patent Agency Ranking
公开(公告)号：CN119809767A
公开(公告)日：2025-04-11
申请号：CN202510009346.6
申请日：2025-01-03
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06N3/045 , G06F17/10 , G06F16/9535
Abstract: 本发明属于电商推荐领域，具体涉及一种基于霍克斯过程的非等间隔采样时间序列推荐方法；该方法包括：获取用户商品交互数据并根据用户商品交互数据得到非等间隔采样时间序列；采用循环霍克斯方法对非等间隔采样时间序列的缺失数据进行填补，得到等间隔采样时间序列；采用多元霍克斯方法和自注意力机制对等间隔采样时间序列进行处理，最终得到用户对商品的评分；将评分最高的K个商品向用户推荐；本发明能够有效提高电商推荐系统的准确率，实现精准的个性化推荐效果。
-
公开(公告)号：CN119719662A
公开(公告)日：2025-03-28
申请号：CN202411788147.1
申请日：2024-12-06
Applicant: 重庆邮电大学
IPC: G06F18/20 , G06N5/04 , G06Q50/00 , G06F16/9536 , G06F18/27
Abstract: 本发明属于互联网应用技术领域，涉及一种基于对抗行为和演化博弈的谣言传播预测方法，包括：获取社交网络中的用户和消息的数据，根据用户和消息的数据构建用户对谣言消息和辟谣消息的实时偏好度；利用演化博弈理论根据实时偏好度计算用户转发谣言消息和辟谣消息的驱动力；利用Rosenzweig‑MacArthur模型根据意愿驱动力计算谣言消息与辟谣消息的共存与对抗系数；根据意愿驱动力构建谣言传播动力学模型SIPOR预测谣言传播态势；本发明在谣言传播过程中将用户的状态划分为普通感染状态、谣言状态、辟谣状态，考虑不同状态用户之间的相互作用构建一种更加符合谣言传播事实的传播动力学模型SIPOR，提高了谣言传播预测的准确性。
-
公开(公告)号：CN119599822A
公开(公告)日：2025-03-11
申请号：CN202411634494.9
申请日：2024-11-15
Applicant: 重庆邮电大学
IPC: G06Q50/00 , G06F18/27 , G06F18/2415 , G06F18/10
Abstract: 本发明涉及意图性话题传播态势的预测方法，该方法包括：从社交网络上在线实时获取话题数据，经过预处理，得到用户基本信息、用户历史行为和话题基本信息，从中提取影响意图性话题传播的因子，根据该因子构建意图性话题的消息影响力；将消息影响力结合贝叶斯线性回归模型，动态量化用户对话题的情感状态，得到对话题呈现不同情感状态的用户比例；将消息影响力结合伊辛模型，进行用户对话题的不同情感状态转换预测，得到用户对话题不同情感状态转换的概率，据此结合SVICR模型，构建动力学方程；求解动力学方程得到在意图性话题传播过程中不同时刻用户对话题的情感状态集，由其得到意图性话题的传播态势结果。本发明能够准确预测意图性话题的传播态势。
-
公开(公告)号：CN119557509A
公开(公告)日：2025-03-04
申请号：CN202411642082.X
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/957 , G06Q50/00 , G06N3/048 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明属于话题传播技术领域，具体涉及一种基于时域心理的话题传播方法，包括：获取话题传播数据，该数据包括用户信息、营销话题信息、用户关系网络以及社区信息；提取话题传播数据的相关属性；将相关属性输入到话题传播模型中，得到话题传播预测结果；根据话题传播预测结果进行话题传播；本发明通过分析不同时域用户心理状态的不确定性和邻接结点作用关系，为用户状态转换的提供度量标准；针对跨社区营销话题传播影响力及其转化问题，充分分析营销话题在跨社区空间的影响力和信息传播规律，从而深入和全面的分析跨社区营销话题传播规律。
-
公开(公告)号：CN118863986A
公开(公告)日：2024-10-29
申请号：CN202410898655.9
申请日：2024-07-05
Applicant: 重庆邮电大学
IPC: G06Q30/0202 , G06Q30/0241 , G06Q30/0251 , G06F18/25 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明属于电商大数据推荐领域，特别涉及一种基于多尺度特征融合的广告点击率预测方法，包括：获取用户属性信息、商品属性信息以及用户历史行为序列，将用户属性信息、商品属性信息以及用户历史行为序列输入训练好的广告点击率预测模型，得到预测的广告点击率；广告点击率预测模型包括：特征交互模型、兴趣捕获模型、多尺度特征提取模块以及多尺度特征融合模块；本发明采用了一种创新的多尺度特征金字塔提取算法融合了时间、空间和频率三个维度，通过精心设计“窗函数”精准地从低阶增强特征图、高阶增强特征图以及兴趣增强特征图中捕捉并提取多尺度的特征信息，在高效学习到多粒度的特征的同时，深入挖掘了数据的内在联系和深层次的信息。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.033 seconds)
