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。

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：CN117152486A

公开(公告)日：2023-12-01

申请号：CN202310921519.2

申请日：2023-07-26

Applicant: 北京工业大学

Inventor： 王秀娟 ,  郑康锋 ,  李启鹏 ,  王钲翔

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/30 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/094

Abstract: 一种基于可解释性的图像对抗样本检测方法属于计算机视觉领域。本发明针对图像对抗样本的可解释性研究不足导致的现有图像对抗样本检测方法较为抽象的问题，分别提出了图像特征鲁棒性的解释方法和基于自适应降噪的图像对抗样本检测方法的研究。首先区分图像中哪些区域的特征为鲁棒性特征，哪些为非鲁棒性特征，然后根据不同区域的特征进行自适应降噪处理，最后以降噪前后图像分类结果的差异作为度量训练分类器，实现对图像对抗样本的检测。