-
公开(公告)号：CN112272188B
公开(公告)日：2022-03-11
申请号：CN202011204587.X
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: H04L9/40 , H04L9/00 , G06F21/60 , G06F16/9532 , G06F16/951
Abstract: 本发明属于隐私保护和信息检索技术领域，具体涉及一种电商平台数据隐私保护的可搜索加密方法；所述方法包括从电商平台中获取数据集，对数据集进行关键字提取，构造出关键字与文件集合的关联矩阵；利用标准对称加密算法将关联矩阵加密；为加密后的关联矩阵构建出不经意索引树；用户将待查询关键字的ID发送给服务器；利用不经意随机访问技术得到关联矩阵所对应的索引块序列；服务器根据索引块序列得到关联矩阵对应的数据块序列与请求向量进行同态解密，得到中间结果发送给用户，用户依次采用同态解密和标准对称解密算法将中间结果进行解密；本发明将数据块序列进行同态运算，过滤掉无关数据块再返回给用户，降低数据块搜索过程所带来的通信开销。
-
公开(公告)号：CN108230170B
公开(公告)日：2022-02-11
申请号：CN201711380291.1
申请日：2017-12-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的多信息和多维网络信息传播模型及方法，属于社交网络分析领域。首先，获取社交网络数据，并对数据进行预处理。第二步，从真实数据中提取用户信息、用户行为以及用户关系，用余弦相似度的方法来构建多维网络空间。第三步，建立模型，借鉴传染病模型机理，在传统的传染病模型的基础上引入了“影响因子”用以表示不同信息之间的相互作用关系及强度，由此构建了基于多信息、多维空间网络的信息传播模型。最后仿真分析，从微观和宏观两个角度构建动力学方程来分析两条消息的共同演化趋势。该发明更能符合信息传播的真实情景，更有利于对信息传播过程的研究。
-
公开(公告)号：CN113962748A
公开(公告)日：2022-01-21
申请号：CN202111297307.9
申请日：2021-11-04
Applicant: 重庆邮电大学
Abstract: 本发明属于网络对齐领域，具体涉及一种基于元路径的全貌信息表示异质电商平台用户对齐方法，该方法包括：获取用户的属性数据和交互数据，对用户的属性数据和交互数据进行聚合预处理；提取聚合预处理后的用户数据；将提取的用户数据输入到基于元路径的全貌信息表示异质电商平台用户对齐模型中，对用户进行对齐处理；本发明从用户属性信息、用户商品交互信息、用户兴趣关注度三方面出发，其中发明重点部分是采用元路径对异质平台稀疏数据进行聚合，获取更有效的实验数据以及采用注意力机制对学习到的用户属性关系向量和用户交互关系向量进行权重分配，从而进行高效的对齐任务。
-
公开(公告)号：CN113934964A
公开(公告)日：2022-01-14
申请号：CN202111286395.2
申请日：2021-11-02
Applicant: 重庆邮电大学
IPC: G06F16/958 , G06N3/04 , G06N3/08
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：CN113505925A
公开(公告)日：2021-10-15
申请号：CN202110781857.1
申请日：2021-07-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于ANFIS的实验室危险化学品异常信息预警的方法，属于人工智能领域，包括剂量‑时序预警模型、ANFIS预警模型；剂量‑时序预警模型，用于将实验室信息管理系统中的预计归还时间和预计使用剂量数据做处理，最后输出一个是否预警的概率P1；ANFIS预警模型，由五层ANFIS网络结构组成，用于通过数据集训练之后，将信息管理系统中的预计归还时间和预计使用剂量数据做处理，最后输出一个是否预警的概率P2；最后将剂量‑时序预警模型和ANFIS预警模型得到的概率P1和P2做加权计算，得到最终的预警概率P，并判断是否需要预警。
-
Patent Agency Ranking
公开(公告)号：CN108229731B
公开(公告)日：2021-03-23
申请号：CN201711380240.9
申请日：2017-12-20
Applicant: 重庆邮电大学
IPC: G06F30/27
Abstract: 本发明请求保护一种热点话题下用户参与行为的预测系统及方法。属于社交网络分析领域。首先，提出了多消息影响机制，包括内部影响因素和外部影响因素；然后考虑到BP(error BackPropagation，误差逆传播)神经网络高度的自学习和自适应能力以及能充分逼近任意复杂非线性关系的特性，采用神经网络构建用户参与行为预测模型。同时使用模拟退火算法，解决了BP算法局部极小的问题，从而保证算法稳定和准确。最后，定义了多消息相关性指标，用来衡量多消息之间的互影响强度，同时可以更加准确的表征话题对用户参与行为的影响。
-
公开(公告)号：CN113962748B
公开(公告)日：2025-05-09
申请号：CN202111297307.9
申请日：2021-11-04
Applicant: 重庆邮电大学
IPC: G06Q30/0201 , G06Q30/0601 , G06F18/22
Abstract: 本发明属于网络对齐领域，具体涉及一种基于元路径的全貌信息表示异质电商平台用户对齐方法，该方法包括：获取用户的属性数据和交互数据，对用户的属性数据和交互数据进行聚合预处理；提取聚合预处理后的用户数据；将提取的用户数据输入到基于元路径的全貌信息表示异质电商平台用户对齐模型中，对用户进行对齐处理；本发明从用户属性信息、用户商品交互信息、用户兴趣关注度三方面出发，其中发明重点部分是采用元路径对异质平台稀疏数据进行聚合，获取更有效的实验数据以及采用注意力机制对学习到的用户属性关系向量和用户交互关系向量进行权重分配，从而进行高效的对齐任务。
-
公开(公告)号：CN119598036A
公开(公告)日：2025-03-11
申请号：CN202411712567.1
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00 , G06N3/045 , G06F18/25 , G06F18/213 , G06F40/30
Abstract: 本发明属于社交网络衍生话题分析领域，具体涉及一种面向时变网络的关键影响力用户发现方法，包括对原始话题网络数据进行预处理得到话题网络数据；沿时间维度对话题网络数据切片得到不同时间点下的话题网络数据；计算用户节点在不同时间点下的动态重要性，根据动态重要性获取每一用户节点的转移序列；采用注意力机制构建每一用户节点的特征向量；获取每一用户节点的累计交互序列和最近交互序列，通过双Transformer结构获取每一用户节点的兴趣向量；将每一用户节点的特征向量和兴趣向量拼接得到综合特征；所有综合特征输入全连接层和softmax函数层，得到关键影响力用户识别结果；本发明可有效地发现话题空间中的关键影响力元素。
-
公开(公告)号：CN119577509A
公开(公告)日：2025-03-07
申请号：CN202411626986.3
申请日：2024-11-14
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06N3/042 , G06N3/0464
Abstract: 本发明属于互联网应用技术领域，具体涉及一种社交平台引导话题的关键节点溯源方法，包括：获取用户数据；对用户数据进行预处理；提取预处理后用户数据的属性特征；采用混合随机游走策略对用户数据进行处理，得到用户隐藏关系；对用户数据中的话题信息进行情感分析，得到用户情感特征；采用URE2vec算法对用户属性特征、用户隐藏关系以及用户情感特征进行向量化表示，对向量化表示结果进行降维，得到隐藏信息；将隐藏信息输入到关键节点溯源模型中，得到话题传播关键节点以及话题引导意图；本发明采用一种混合随机游走策略，通过混合随机游走策略并利用显式关系和隐式关系为用户找出偏好相似的隐式朋友，缓解数据稀疏性。
-
公开(公告)号：CN119128241A
公开(公告)日：2024-12-13
申请号：CN202411181670.8
申请日：2024-08-27
Applicant: 重庆邮电大学
IPC: G06F16/951 , G06F16/9535 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明属于互联网应用技术领域，具体涉及一种基于隐性关系和级联长度的热点话题传播预测方法；包括：获取话题数据并对其进行预处理；从预处理好的话题数据中提取用户相关属性，用户相关属性包括用户自身属性、用户相似度和用户活跃度；根据用户相关属性，采用关联规矩算法挖掘用户间的潜在关系并构建用户隐性关系网络；根据用户自身属性构建用户关注关系网络，合并用户隐性关系网络与用户关注关系网络，得到用户全关系网络；根据用户全关系网络学习用户的结构特征，得到话题网络的结构特征矩阵；将话题网络的结构特征矩阵和用户活跃度输入到训练好的话题传播预测模型中进行处理，得到话题传播预测结果；本发明可提高话题传播预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.025 seconds)
