公开(公告)号：CN116257787A

公开(公告)日：2023-06-13

申请号：CN202211093466.1

申请日：2022-09-08

Applicant: 之江实验室

Inventor： 王振 ,  姜婷 ,  许增辉 ,  张吉 ,  张阳

IPC: G06F18/241 ,  G06F18/214

Abstract: 本发明属于图计算与时序数据预测领域，公开了一种基于空间结构图学习的多维异步时序数据分类方法，该方法考虑到传感器间的互相作用，将每一时间点的多维数据分别构建成图，使用图神经网络实现各传感器数据信息更新，同时在信息传播的过程中对缺失的观测值进行填充，并利用基于时间间隔的Transformer机制学习不同时刻间的相互关系。本发明在对异步时序数据进行分类的过程中，实现了信息在不同传感器间相互传播，并对缺失的观测值进行填充，提高了算法在数据大量缺失下的鲁棒性，同时考虑时序数据在时序上的相关性，提高了多维异步时序数据的分类效果。

公开(公告)号：CN116150685A

公开(公告)日：2023-05-23

申请号：CN202310155946.4

申请日：2023-02-08

Applicant: 之江实验室

Inventor： 姜婷 ,  余婷 ,  张吉 ,  王振 ,  穆罕默德·贾瓦德·巴

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/22 ,  G06N3/04 ,  G06N3/08

Abstract: 本说明书公开了一种数据分类方法、装置、设备及存储介质，可以通过对图数据中每个节点的嵌入编码特征进行解码所得到的解码后特征和每个节点的初始特征之间的偏差，以及根据每个节点在图数据中的邻居节点，确定出每个节点在图数据中的结构特征，进而根据每个节点的解码后特征和每个节点在图数据中的结构特征，对节点对应的嵌入编码特征进行调整，得到每个节点对应的调整后特征，以提高得到的每个节点的特征的准确性，进而可以提高数据分类的准确性。

公开(公告)号：CN114239751A

公开(公告)日：2022-03-25

申请号：CN202111654954.0

申请日：2021-12-31

Applicant: 之江实验室 ,  复旦大学

Inventor： 周水庚 ,  王禹博 ,  张吉

IPC: G06K9/62

Abstract: 本发明公开了一种基于多解码器的数据标注错误检测方法与装置，通过建立图像数据集，利用图像数据集对半监督异常检测神经网络进行训练；将训练过程中由编码器产生的隐层特征通过多个解码器对样本数据进行重构，得到隐层特征重构层；其中，正样本解码器为一般的单解码器，负样本解码器则为特殊的多通道解码器，这样的设计有利于刻画与区别正样本和负样本的不同性质；通过比较两个解码器对数据样本的重构效果对待检测图像数据进行异常检测。本发明能够提高负样本解码器对异常样本的拟合能力，从而扩大正常样本与异常样本之间的异常得分差距，提高异常检测性能。

公开(公告)号：CN114003815A

公开(公告)日：2022-02-01

申请号：CN202111299225.8

申请日：2021-11-04

Applicant: 之江实验室 ,  合肥工业大学

Inventor： 张吉 ,  姜元春 ,  周凡 ,  许增辉 ,  孙见山 ,  余婷 ,  钱洋 ,  王永恒 ,  吴乐

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种网络舆情主题及其关注用户群体的发现方法，其步骤包括：1构建舆情文档中数据集合，2建模舆情文本话题，关注舆情文本话题的用户群体，3设计有参贝叶斯模型，4利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模的在线社交媒体内容以及社交用户评论行为时，一方面能够结合主题分析快速、有效、准确地发现网络中的舆情主题，有助于舆情检测，为舆情的引导和控制提供决策支持；另一方面能够识别关注每个舆情话题的用户群体，实现对社交媒体用户依据关注话题的异同进行快速精准的分类。

公开(公告)号：CN113537272A

公开(公告)日：2021-10-22

申请号：CN202110332332.X

申请日：2021-03-29

Applicant: 之江实验室 ,  华东师范大学

Inventor： 陈波冯 ,  王晓玲 ,  卢兴见 ,  张吉

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种基于深度学习的半监督社交网络异常账号检测方法，首先构建社交网络账号图，对部分账号进行标签标记，采用文本特征提取方法对每个账号的属性信息进行特征提取，得到账号属性的文本特征，同时获取社交网络的邻接矩阵，构建基于深度学习的属性特征映射网络和结构特征映射网络，采用账号属性的文本特征对属性特征映射网络进行训练，采用账号属性的文本特征和邻接矩阵对结构特征映射网络进行训练，在对账号进行异常检测时，根据该账号的属性向量和结构向量计算得到评价分数，与评价阈值比较得到异常检测结果。本发明可以实现对社交网络中相互关联的账号中的异常账号的自动发现。

公开(公告)号：CN112785331A

公开(公告)日：2021-05-11

申请号：CN202110018824.1

申请日：2021-01-07

Applicant: 之江实验室 ,  北京大学

Inventor： 张吉 ,  屈笑如 ,  高军

IPC: G06Q30/02 ,  G06Q30/06 ,  G06F16/901 ,  G06F16/906

Abstract: 本发明设计了一种结合评价文本的抗注入攻击的鲁棒推荐方法和系统。该方法包括：1)采用图神经网络模型，利用图上已知信息和计算出的统计信息，训练评价打分预测模型；2)利用文本生成模型和预测打分训练个性化评价文本生成模型；3)根据评价打分预测模型与个性化评价文本生成模型的预测值与真实值误差，训练攻击检测模型。本发明集评价打分预测模型、个性化评价文本生成模型、攻击检测模型于一体，使三个任务协同起来，互相促进。该方案充分利用评价文本信息，对“水军”用户产生的反馈数据做了更细粒度的划分和利用，同时可以自动缓解电商推荐平台中“注入攻击”对推荐精确度造成的影响，提升推荐算法的鲁棒性。

公开(公告)号：CN111899117A

公开(公告)日：2020-11-06

申请号：CN202010747667.3

申请日：2020-07-29

Applicant: 之江实验室

Inventor： 余婷 ,  张吉 ,  许增辉 ,  杨羿 ,  王一张

IPC: G06Q50/00

Abstract: 本发明提供一种应用于社交网络的基于局部边连接度检测的k边连通分量挖掘系统，其包括层次化图分割计算模组、遍历排序模组、图分割模组、局部边连接度检测模组、节点合并模组及子图剪枝模组。所述层次化图分割计算模组维护一超节点索引。所述遍历排序模组初始化一节点序列，并遍历目标图的节点。所述图分割模组根据节点序列的排序状态分割目标图或子图。所述局部边连接度检测模组检测当前局部子图的k核结构的边连接度值。所述节点合并模组根据所述边连接度值的检测结果确认是否合并节点。所述子图剪枝模组根据所述节点合并模组的计算结果进行子图删除剪枝操作。同时，本发明还提供一种采用上述挖掘系统的挖掘方法。

公开(公告)号：CN114330580B

公开(公告)日：2025-05-06

申请号：CN202111676330.9

申请日：2021-12-31

Applicant: 之江实验室 ,  厦门大学

Inventor： 严严 ,  姜润青 ,  王菡子 ,  王彪 ,  张吉

IPC: G06F18/2413 ,  G06F18/2415 ,  G06F18/214

Abstract: 本发明公开了基于歧义指导互标签更新的鲁棒知识蒸馏方法，包括：A、构建训练数据集；B、构建教师网络和学生网络；C、通过鲁棒学习方法对教师网络进行训练；D、对数据集中的每个样本进行歧义感知权重估计和权重分配；E、根据小损失标准对数据集中的样本进行标签重新标注，结合教师网络特征的标签传播算法更新标签，再计算损失和更新网络参数；F、在学生网络和教师网络之间进行互标签传播算法，并更新样本标签、计算损失和更新网络参数；G、将测试图像数据导入学生网络，由其得到预测结果且用于图像分类；本方案可以有效地提升知识蒸馏对噪声标签的鲁棒性，从而可以在噪声标签的环境下获取一个高性能的轻量级网络，其更能适用于实际情况。

公开(公告)号：CN112785331B

公开(公告)日：2024-10-15

申请号：CN202110018824.1

申请日：2021-01-07

Applicant: 之江实验室 ,  北京大学

Inventor： 张吉 ,  屈笑如 ,  高军

IPC: G06Q30/0201 ,  G06Q30/0601 ,  G06F16/901 ,  G06F16/906

Abstract: 本发明设计了一种结合评价文本的抗注入攻击的鲁棒推荐方法和系统。该方法包括：1)采用图神经网络模型，利用图上已知信息和计算出的统计信息，训练评价打分预测模型；2)利用文本生成模型和预测打分训练个性化评价文本生成模型；3)根据评价打分预测模型与个性化评价文本生成模型的预测值与真实值误差，训练攻击检测模型。本发明集评价打分预测模型、个性化评价文本生成模型、攻击检测模型于一体，使三个任务协同起来，互相促进。该方案充分利用评价文本信息，对“水军”用户产生的反馈数据做了更细粒度的划分和利用，同时可以自动缓解电商推荐平台中“注入攻击”对推荐精确度造成的影响，提升推荐算法的鲁棒性。

公开(公告)号：CN111737570B

公开(公告)日：2024-05-07

申请号：CN202010521526.X

申请日：2020-06-10

Applicant: 之江实验室 ,  湖南大学

Inventor： 姜文君 ,  杨喜喜 ,  任德盛 ,  张吉 ,  任演纳

IPC: G06F16/9535 ,  G06F16/36 ,  G06Q10/0639 ,  G06Q50/20

Abstract: 本发明提供一种多模态在线学习资源网络推荐系统。所述网络推荐系统包括数据采集模组、学习能力评估模组、学习资源难度计算模组及学习资源推荐模组，所述数据采集模组采集学习者信息及学习资源信息，所述学习能力评估模组根据所述学习者信息获得学习者的学习能力值，所述学习资源难度计算模组根据所述学习资源信息计算学习资源难度值，所述学习资源推荐模组分别接收所述学习能力值以及所述学习资源难度值，并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案，并选择性推荐满足匹配值的学习资源至学习者。同时，本发明还提供一种采用上述网络推荐系统的推荐方法。