一种基于特征迁移的社交网络嵌入方法

    公开(公告)号:CN116128670A

    公开(公告)日:2023-05-16

    申请号:CN202211661230.3

    申请日:2022-12-23

    Applicant: 东北大学

    Abstract: 本发明提供一种基于特征迁移的社交网络嵌入方法,涉及动态社交网络嵌入技术领域。该方法首先对社交网络等间隔取快照,从而得到离散的图快照序列,然后使用图卷积神经网络对快照进行表示;再针对动态社交网络演化过程中的节点、连边可能出现的不同情况,制定不同的迁移策略以及图快照之间特征迁移的迁移权重;最后针对动态社交网络演化过程中的节点、连边可能出现的不同情况,计算节点在不同情形下对应的节点表征;该方法在学习节点嵌入的过程中考虑了邻居结构之间的相似性,前一时刻图快照的节点表征作为下一时刻的图快照的节点表征,使得模型能够稳定的学习社交网络中的网络演化信息。

    一种基于混合样本的长尾图像数据分类方法

    公开(公告)号:CN115205594A

    公开(公告)日:2022-10-18

    申请号:CN202210839548.X

    申请日:2022-07-18

    Applicant: 东北大学

    Abstract: 本发明属于图像分类领域,设计了一种基于混合样本的长尾图像数据分类方法,本发明对图像分类研究中遇到的长尾训练集问题提出了一种新的解决方案,旨在使用三个具有特异化知识的专家共同辅助算法做出最终决策,避免单个模型带来的模型分类器权重偏差过大等问题。本发明适用于数据呈长尾分布的图像分类的业务场景,通过设计多个具备特定领域知识的专家,在不损失头部类分类精度的情况下,提高模型对于所有频率分布种类的分类性能,为数据长尾分布时图像分类的实际工程应用提供方案,缓解数据采集困难等问题,改进算法模型对头部类数据的过拟合情况并提高对尾部类数据的学习能力。

    一种基于多模态数据的重平衡长尾图像数据分类方法

    公开(公告)号:CN115205592A

    公开(公告)日:2022-10-18

    申请号:CN202210829253.4

    申请日:2022-07-15

    Applicant: 东北大学

    Abstract: 本发明属于图像分类领域,设计了一种基于多模态数据的重平衡长尾图像数据分类方法。该方法实现图像‑文本多模态学习在长尾图像分类问题上的应用,旨在使用相对平衡且易于获得、扩展性丰富的文本数据来监督模型对图像特征的学习,通过两个阶段的训练,提高模型在所有种类上的分类效果。第一个阶段使用CLIP大规模预训练模型中的图像和文本编码器,通过对比学习的方法建立两个模态数据的关联性,增强类内图像与文本互信息的同时扩大类间差异性。第二个阶段冻结图像与文本编码器,并在图像编码器后增加了一个多层感知机,使用类平衡采样策略和重平衡损失函数训练少量周期,进一步改善模型对于尾部类的分类能力。

    一种动态网络图快照切片方法
    4.
    发明公开

    公开(公告)号:CN115203612A

    公开(公告)日:2022-10-18

    申请号:CN202210823400.7

    申请日:2022-07-14

    Applicant: 东北大学

    Abstract: 一种动态网络图快照切片方法,适用于动态网络采取图快照作为网络表达形式的场景,属于网络表示学习领域;使用动态网络的时间属性和拓扑结构特征作为图快照稳定性判定的依据,分别计算出图快照的网络密度以及网络权重,进而得到图快照的加权网络密度值,然后根据该值选出最佳切片步长,得出对应步长的图快照序列,进一步在社团发现、节点聚类、链路预测任务上验证了该方法的有效性。此外,还选择Vue和element‑ui技术,借助MySQL数据库存储数据,使用Javascript、Java作为编程语言开发了一个原型系统用于上述内容的可视化展示。该方法提供了一种动态网络图快照切片处理方法且具有通用性以及实际应用价值,进一步完善了目前的图快照切片处理方法。

    一种基于区块链和投票机制的假新闻监测方法

    公开(公告)号:CN110704533A

    公开(公告)日:2020-01-17

    申请号:CN201910904322.1

    申请日:2019-09-24

    Applicant: 东北大学

    Abstract: 本发明提供一种基于区块链和投票机制的假新闻监测方法,属于区块链技术领域。本发明针对于假新闻监测问题提出了一种基于区块链技术的投票机制,并基于此设计实现方法,该方法的投票机制通过奖励策略鼓励读者参与新闻评价,通过惩罚机制抑制不可信新闻创作或不可靠评论,本发明中用户可以使用以太币进行买票、投票操作,查看投票结果与新闻的真假并得到反馈;区块链的加密特性能够使得投票结果真实客观;Truffle框架的使用保障了该方法运行的稳定和界面功能的美观。本发明能够实现假新闻的监测,具有较高的运行性能和很好的程序健壮性,运行效果良好。

    一种基于HDFS的文件检索系统

    公开(公告)号:CN106484877B

    公开(公告)日:2019-04-26

    申请号:CN201610898403.1

    申请日:2016-10-14

    Applicant: 东北大学

    Abstract: 基于HDFS的文件检索系统,包括系统配置模块、文件管理模块、索引管理模块、检索门户模块、MongoDB数据库、HDFS集群、Spark集群和ElasticSearch集群;文件管理模块将文件存入HDFS集群;索引管理模块通过Spark集群创建索引,并存入ElasticSerch集群;检索门户模块将检索条件发送给ElasticSearch集群进行索引匹配,得到检索结果,MongoDB数据库用于存储文件检索过程中产生的记录;本发明的HDFS集群、Spark集群和ElasticSearch集群均采用分布式,减轻查询负载,提高查询效率;采用主从架构具有水平扩展性和稳定性,便于提升集群整体的处理能力,系统工作状态稳定;采用副本冗余策略,能够保证索引的可靠性与完整性。

    一种智能邮件客户端
    7.
    发明公开

    公开(公告)号:CN103067261A

    公开(公告)日:2013-04-24

    申请号:CN201310008381.3

    申请日:2013-01-10

    Applicant: 东北大学

    Abstract: 本发明一种智能邮件客户端,属于邮件发送、电子文档备份和电子文档加解密技术领域;包括文件加密功能模块、邮件发送功能模块、邮件接收提示功能模块、文件备份功能模块、文件解密功能模块和备份文件查询功能模块,所述的文件备份功能模块备份方式包括实时本地加密备份方式、实时本地非加密备份方式、实时远程加密备份方式、实时远程非加密文件备份方式、定时本地加密备份方式、定时本地非加密备份方式、定时远程加密备份方式和定时远程非加密文件备份方式;本发明通过设置备份方式实现定时、加密、本地和远程的文件备份,解决因用户删除、修改等各种错误操作造成文档不可修复性伤害,并避免文件在传输过程被第三方截获,简化操作。

    基于混沌的通用电子档案加解密方法

    公开(公告)号:CN102142074B

    公开(公告)日:2013-04-10

    申请号:CN201110079335.3

    申请日:2011-03-31

    Applicant: 东北大学

    Abstract: 一种基于混沌的通用电子档案加解密方法,属于电子加解密技术领域。该方法包括文件的加密过程与解密过程和文件夹的加密过程与解密过程。本发明的优点:该方法将目标文件夹加密为Windows操作系统文件,利用混沌理论将文件夹下的文件逐个进行加密,实现了双重加密机制。而解密时利用密钥验证机制,逐步对文件和文件夹进行解密,实现了在安全性方面的双重保障,并且Windows操作系统在时间复杂度方面也有不错的表现。

    工作流程实现系统和方法

    公开(公告)号:CN101727614A

    公开(公告)日:2010-06-09

    申请号:CN200810173611.0

    申请日:2008-10-30

    Inventor: 陈东明

    Abstract: 本发明公开了一种工作流程实现系统和方法。其中,该系统包括:流程定义模块,用于定义并存储一个或多个工作流程结构,其中,工作流程结构包括工作流程将流经的一个或多个流程执行模块的标识信息、以及各流程执行模块之间的连接关系信息;流程启动模块,用于根据工作流程类型选择相应的工作流程结构,并根据所选择的工作流程结构向一个或多个流程执行模块发送工作流程任务;以及一个或多个流程执行模块,用于执行其上一级流程执行模块或流程启动模块发送给其的工作流程任务,生成任务执行结果,和/或根据任务执行结果为其下一级流程执行模块生成工作流程任务并发送给其下一级流程执行模块。

    一种基于改进麻雀搜索算法的Hadoop参数优化方法

    公开(公告)号:CN119558342A

    公开(公告)日:2025-03-04

    申请号:CN202411684136.9

    申请日:2024-11-22

    Applicant: 东北大学

    Abstract: 本发明提供一种基于改进麻雀搜索算法的Hadoop参数优化方法,涉及分布式计算技术领域。首先设置种群参数并对种群进行初始化,并将初始化后的种群中每只麻雀的参数取值作为配置参数的取值,提交作业到Hadoop集群中,将作业的执行时间作为麻雀的适应度并按适应度值对种群中每只麻雀进行排序;对发现者更新公式进行优化,并对种群中发现者、跟随者和的预警者的位置进行更新,将迭代更新后的种群中麻雀参数作为配置参数取值再次提交作业到Hadoop集群中,得到种群中麻雀的适应度并按适应度值排序种群中每只麻雀;若达到迭代终止条件,则输出当前种群中适应度最优的麻雀的位置向量作为配置参数的最优解,若未达到则继续迭代。

Patent Agency Ranking