-
公开(公告)号：CN108763947A
公开(公告)日：2018-11-06
申请号：CN201810053113.6
申请日：2018-01-19
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种时间‑空间型的轨迹大数据差分隐私保护方法。包括：数据预处理得到用户轨迹大数据集；对轨迹大数据集中的每个子区域进行预算分配，计算每个子区域在近似度计算阶段和数据发布阶段的可用预算；对轨迹大数据集进行近似度计算，计算当前时刻的数据与前一时刻的数据之间的均方误差；根据近似度计算结果判断是否发布数据，若均方误差大于当前时刻的数据的发布误差，则发布当前时刻的数据，加入Laplace噪声后输出，若均方误差不大于当前时刻的数据的发布误差，则不输出，并将前一时刻的数据作为当前时刻的数据。本发明对轨迹数据集中个人隐私数据进行有效保护，使得任意一个用户历史记录信息不会被泄露，同时数据仍具有较高的可用性。
-
公开(公告)号：CN107563217A
公开(公告)日：2018-01-09
申请号：CN201710707636.3
申请日：2017-08-17
Applicant: 北京交通大学
Abstract: 本发明公开一种保护用户隐私信息的推荐方法，其特征在于，该方法包括：隐私保护模块从用户端读取用户历史行为数据A；所述隐私保护模块将所述用户历史行为数据A进行转换，并将转换后的数据发送给推荐系统；所述隐私保护模块接收所述推荐系统输出的推荐数据B；所述隐私保护模块对所述推荐数据B进行修正，并将修正后的推荐数据发送给所述用户端。本发明方法通过在用户端和推荐系统之间设立隐私保护模块实现对用户DI的保护和兴趣的加强，能够实现在保护用户隐私的同时保证甚至提高推荐准确性的目的。
-
公开(公告)号：CN109977779B
公开(公告)日：2021-04-23
申请号：CN201910141743.3
申请日：2019-02-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种对视频创意中插入的广告进行识别的方法。该方法包括：对输入的视频进行镜头切分，将所述视频切分成突变镜头和渐变镜头；利用CNN网络对镜头进行特征提取，根据提取出来的镜头的音频特征和图像特征利用LSTM网络和Attention网络判断所述待分类的渐变镜头是广告镜头或者非广告镜头；对广告镜头的文字特征和音频特征进行识别。本发明的方法可以较好地实现对视频创意中插入的广告进行分类与识别，有助于商业分析机构获取企业的运营状况、市场细分情况等商业信息。
-
公开(公告)号：CN108259929A
公开(公告)日：2018-07-06
申请号：CN201711406084.9
申请日：2017-12-22
Applicant: 北京交通大学
IPC: H04N21/231 , H04N21/234 , H04L29/06 , H04L29/08 , G06K9/62
Abstract: 本发明提供了一种视频活跃期模式的预测及缓存方法，该方法包括：先将视频标签分类为长期流行视频和短期流行视频；然后将带有所述标签的视频与该视频的特征量一并进行机器学习，训练得到预测器分类模型；最后将初始视频输入所述分类模型进行自动标签分类为长期流行视频和短期流行视频，并根据不同标签对所述初始视频进行分类缓存。本发明利用早期数据进行视频流行模式(短期流行或长期流行)的预测，并且在视频流行模式的基础上提出了一个新的缓存策略，该缓存策略可以在提高缓存命中率的同时，减少缓存替换次数。
-
公开(公告)号：CN108595426B
公开(公告)日：2021-07-20
申请号：CN201810368909.0
申请日：2018-04-23
Applicant: 北京交通大学
IPC: G06F40/289 , G06F40/216 , G06F40/30 , G06F16/35
Abstract: 本发明提供了一种基于汉字字形结构性信息的词向量优化方法。该方法包括：获取待处理词语的分布式词向量；根据所述待处理词语所包含的汉字进行词语的词形特征表示，获取待处理词语的词形特征向量；将所述待处理词语的词形特征向量和分布式词向量进行结合表示，得到待处理词语的优化特征向量。本发明设计了一种利用汉语字形结构信息进行词向量表达优化的方案，利用原有的神经网络词分布式表达技术，结合汉语的字形结构特征，基于实际的自然语言处理任务进行了词向量的特性优化，使得词向量的表达能力和泛化迁移能力得到加强，有助于改善词向量在低频词和未知词上的词特征表示。
-
Patent Agency Ranking
公开(公告)号：CN108259929B
公开(公告)日：2020-03-06
申请号：CN201711406084.9
申请日：2017-12-22
Applicant: 北京交通大学
IPC: H04N21/231 , H04N21/234 , H04L29/06 , H04L29/08 , G06K9/62
Abstract: 本发明提供了一种视频活跃期模式的预测及缓存方法，该方法包括：先将视频标签分类为长期流行视频和短期流行视频；然后将带有所述标签的视频与该视频的特征量一并进行机器学习，训练得到预测器分类模型；最后将初始视频输入所述分类模型进行自动标签分类为长期流行视频和短期流行视频，并根据不同标签对所述初始视频进行分类缓存。本发明利用早期数据进行视频流行模式(短期流行或长期流行)的预测，并且在视频流行模式的基础上提出了一个新的缓存策略，该缓存策略可以在提高缓存命中率的同时，减少缓存替换次数。
-
公开(公告)号：CN108829794A
公开(公告)日：2018-11-16
申请号：CN201810562364.7
申请日：2018-06-04
Applicant: 北京交通大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于区间图的告警分析方法。该方法包括：将同一个地点的所有告警事件按告警发生时间顺序转换为告警事件序列，根据告警事件序列中告警事件的告警区间的重叠程度及发生时间顺序建立告警事件区间图；对来自不同地点的各个告警事件区间图进行合并处理，合并同类型告警事件的所有节点为一个节点，对合并处理后的告警事件区间图中的节点之间的连边赋予边权值，得到告警区间图；根据所述告警区间图中节点之间的连边的边权值，采用图特征分析方法得到各个告警事件之间关联性的差异性。本发明的方法适用于告警在整个时间序列上均匀或者不均匀分布的多种情况。为减少告警的冗余度，提高告警有效性，定位故障根原因提供科学指导。
-
公开(公告)号：CN108540833A
公开(公告)日：2018-09-14
申请号：CN201810338252.3
申请日：2018-04-16
Applicant: 北京交通大学
IPC: H04N21/258 , H04N21/439 , H04N21/44
CPC classification number: H04N21/44008 , H04N21/25891 , H04N21/4394
Abstract: 本发明公开一种基于镜头的电视广告识别方法，首先将连续的视频数据分解成镜头，然后使用卷积神经网络提取每个镜头的特征，并对特征向量进行降维处理，利用本发明训练好的分类模型将镜头分类为广告与非广告，分类出广告镜头之后，利用镜头中的图像和音频特征，识别出广告镜头的内容，也就是识别出该镜头是哪一家公司或产品的广告。本发明的目的是监测电视广播中播放的商业广告，能够在影视、综艺、新闻、体育等多种节目中以及不同节目之间识别出广告，并且能够降低计算成本，提高效率。
-
公开(公告)号：CN107590400A
公开(公告)日：2018-01-16
申请号：CN201710707014.0
申请日：2017-08-17
Applicant: 北京交通大学
Abstract: 本发明公开一种保护用户隐私兴趣偏好的推荐方法，包括针对非直接访问攻击保护用户隐私的推荐方法和保存有个人兴趣偏好的用户端呈现方法，根据视频话题的分级信息学习该话题的隐私相关性；利用所述视频话题的隐私相关性改变用户行为记录中不同话题的权重，并根据所述权重修正基于用户行为记录的用户相似度；依据所述用户相似度作为差分隐私保护指数机制模型的输入参数，重新计算所述用户相似度，计算视频分数，并选择相似度高的用户作为邻居；将视频的推荐列表发送给所述用户端；所述用户端依据用户个人话题偏好修正推荐的所述视频分数并进行排序呈现。本发明针对非直接访问攻击，能够保护用户敏感兴趣偏好，并且不牺牲推荐性能。
-
公开(公告)号：CN108829794B
公开(公告)日：2022-04-12
申请号：CN201810562364.7
申请日：2018-06-04
Applicant: 北京交通大学
IPC: G06F16/215
Abstract: 本发明提供了一种基于区间图的告警分析方法。该方法包括：将同一个地点的所有告警事件按告警发生时间顺序转换为告警事件序列，根据告警事件序列中告警事件的告警区间的重叠程度及发生时间顺序建立告警事件区间图；对来自不同地点的各个告警事件区间图进行合并处理，合并同类型告警事件的所有节点为一个节点，对合并处理后的告警事件区间图中的节点之间的连边赋予边权值，得到告警区间图；根据所述告警区间图中节点之间的连边的边权值，采用图特征分析方法得到各个告警事件之间关联性的差异性。本发明的方法适用于告警在整个时间序列上均匀或者不均匀分布的多种情况。为减少告警的冗余度，提高告警有效性，定位故障根原因提供科学指导。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
