公开(公告)号：CN118747510A

公开(公告)日：2024-10-08

申请号：CN202410723273.2

申请日：2024-06-05

Applicant: 北京工业大学

Inventor： 王秀娟 ,  王可可 ,  陈康淼 ,  王钲翔

IPC: G06N3/0442 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/09 ,  G06N3/126 ,  G06N3/008

Abstract: 本发明提供了一种基于图神经网络的多阶段自训练社交机器人检测方法。本发明首先利用全连接神经网络以及LSTM分别对社交媒体上用户的基本信息以及其用户发表的推文信息进行处理，并利用双向长短期记忆网络融合不同类型的用户信息作为用户的属性特征。为了对用户属性以及用户之间的拓扑关系进行处理，本发明利用少量标记数据对改进的RGCN进行训练，并利用训练好的RGCN获得未标记数据的预测，结合不确定性感知和深度聚类机制为未标记数据赋予伪标签。最后利用扩充的标记数据集继续对检测模型进行训练，重复该过程，直到模型性能不再变化。在Twibot‑20数据集上的准确率达到0.9259，证明了在缺乏足够标记数据的情况下有效。

公开(公告)号：CN117152712A

公开(公告)日：2023-12-01

申请号：CN202310926337.4

申请日：2023-07-26

Applicant: 北京工业大学

Inventor： 王秀娟 ,  郑康锋 ,  田乙圻 ,  王可可

IPC: G06V20/58 ,  G06V10/25 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084

Abstract: 一种基于双向Res2Net的对称交通标志检测方法属于计算机视觉领域，数据集进行筛选并划分训练集和测试集；2、将划分好的数据集进行预处理；3、将预处理过的数据作为Backbone部分的输入，进行特征提取；将经过特征提取的特征使用FPN+PAN的结构进行特征融合；5、将融合之后的特征输入Detect层得到输出结果，并得到损失；6、将训练集输入C2Net‑YOLOv5模型进行训练；将训练后的C2Net‑YOLOv5模型对测试集进行检测；本发明解决主干网络提取的小目标特征信息不够充分、模型提取特征不足的问题。

公开(公告)号：CN119088959A

公开(公告)日：2024-12-06

申请号：CN202411044466.1

申请日：2024-08-01

Applicant: 北京工业大学

Inventor： 王秀娟 ,  王钲翔 ,  陈康淼 ,  王可可

IPC: G06F16/35 ,  G06F40/151 ,  G06F40/30 ,  G06F18/2415 ,  G06N3/042 ,  G06N3/084 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06Q50/00

Abstract: 一种结合表情符号信息的社交机器人识别方法属于社会工程学领域。本文对推文中的表情进行处理，并重新结合输入到深度学习框架中。框架由图模型和全连接层组成，用于捕捉账户中的各种可用数据。对于推文本文的方法可以更好的分析推文的语义和其他隐含特征，更好的利用推文中的表情这一特征，捕捉表情蕴含的情感与语义，并捕捉推文之间的语义相似性，最终理解账户描述的语义。通过将这些信息传递给全连接层，本文的模型可以进行最终的预测。