-
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。
-
公开(公告)号：CN115661696B
公开(公告)日：2025-04-15
申请号：CN202211322158.1
申请日：2022-10-27
Applicant: 重庆邮电大学
IPC: G06V20/30 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/094 , G06F16/26 , G06F16/2458
Abstract: 本发明属于社交网络分析领域，具体涉及一种基于话题图像化的谣言检测方法，包括：对获取的数据进行数据清洗处理；将评论拓扑网络二维图像化，将每一个评论节点映射到图像中的每一个像素点；通过用户内外因素建立情感互影响函数，结合演化博弈理论构建情感互影响模型并量化评论情感；量化后的情感嵌入到话题图像中对应的像素点上，通过卷积神经网络对话题二维话题图像进行卷积，利用函数将网络的输出转换为两个类别的概率值，最大概率值对应的类别作为预测结果。本发明将评论拓扑网络图像化挖掘出谣言话题评论中的隐秘性，提高了谣言检测的精确度，同时为社交网络谣言的机制的研究提供了新的方向。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN118747674A
公开(公告)日：2024-10-08
申请号：CN202410903757.5
申请日：2024-07-08
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06N5/02 , G06N5/022 , G06Q10/04 , G06N3/088 , G06Q30/0201
Abstract: 本发明涉及一种基于无监督学习的跨电商平台商品对齐方法，包括：利用低秩张量补全模型对两个电商平台的商品数据进行补全；根据两个电商平台补全后的商品数据分别构建各电商平台对应的商品三元组集合；根据各电商平台对应的商品三元组集合利用知识表示学习算法学习各商品三元组的嵌入表示；根据商品三元组的嵌入表示利用自组织映射网络将各电商平台对应的商品三元组集合划分为多个商品三元组子集；根据各商品三元组子集分别构建知识图谱，并根据各商品三元组子集的知识图谱利用图注意力网络将两个电商平台的商品进行对齐；本发明通过张量补全以及预分类方法可以缓解跨平台商品数据庞大的问题，通过无监督跨平台对齐方法，实现跨平台商品对齐。
-
公开(公告)号：CN113934964B
公开(公告)日：2024-09-10
申请号：CN202111286395.2
申请日：2021-11-02
Applicant: 重庆邮电大学
IPC: G06F16/958 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于网络舆情分析领域，具体涉及一种基于多消息和多维复合博弈的谣言传播控制方法；该方法为：获取话题数据信息和用户数据信息，对话题数据信息和用户数据信息进行预处理；提取预处理后的话题数据信息的相关属性和用户数据信息的相关属性；将话题数据信息的相关属性和用户数据信息的相关属性输入到基于多消息和多维复合博弈的谣言传播模型，预测用户传播谣言的趋势；本发明可应用于社交网络中信息传播预测和控制，有助于舆情部门更及时和精确的对舆情进行监控和管理，并在合理的时间进行引导和抑制，阻止谣言的传播。
-
公开(公告)号：CN115577357A
公开(公告)日：2023-01-06
申请号：CN202211221244.3
申请日：2022-10-08
Applicant: 重庆邮电大学
IPC: G06F21/56
Abstract: 本发明本发明属于计算机安全技术领域，具体涉及一种基于堆叠集成技术的Android恶意软件检测方法，包括：获取的移动终端带有标签的Android软件APK数据样本，对获取的数据样本进行数据均衡化，提取均衡化后的数据的特征，根据每个特征的信息熵增益值进行筛选并降维，建立AM‑Stacking恶意软件检测模型，根据筛选出的特征进行恶意软件检测。本发明通过堆叠集成的方式将多个分类性能好的模型进行融合，使用K折交叉验证划分数据集，同时引入注意力机制，并结合均衡化的数据样本和混合特征处理方法，可以更精确的检测出恶意软件的存在和有效地检测出现有各大软件平台和终端中的恶意软件，提高了恶意软件的检测精度。
-
公开(公告)号：CN115439152A
公开(公告)日：2022-12-06
申请号：CN202211078033.9
申请日：2022-09-05
Applicant: 重庆邮电大学
Abstract: 本发明属于互联网应用技术领域，具体涉及一种商品转化率预测方法，包括：通过电商平台获取原始数据，并根据原始数据计算得到用户商品交互特征；将用户商品交互特征输入多任务商品预测模型对多任务商品预测模型进行训练；获取目标用户和目标商品的属性信息，并计算目标用户商品交互特征，将目标用户商品交互特征输入训练好的多任务商品预测模型预测得到目标用户对目标商品的预测转化率、目标用户对目标商品的预测点击转化率、目标用户对目标商品的预测延迟转化率，利用EM算法得到目标用户对目标商品的最终转化率，本发明能够准确的预测商品的转化率，根据最终转化率精确的向用户推荐商品，提高平台的成交量，节约用户的浏览时间。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.028 seconds)
