-
公开(公告)号：CN119578496A
公开(公告)日：2025-03-07
申请号：CN202510131006.0
申请日：2025-02-06
Applicant: 北京邮电大学 , 微梦创科网络科技(中国)有限公司
IPC: G06N3/0895 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06F18/25 , G06F18/27 , G06Q50/00 , G06Q30/018 , G06Q30/0201
Abstract: 本发明提供一种基于测试时训练的信息传播预测模型训练方法、预测方法及系统，根据用户集和级联集构建有向社交图和序列扩散超图，构建训练集和测试集；信息传播预测模型包括宏观预测分支、微观预测分支和引入MAE的辅助自监督学习分支，三条分支共享特征提取器；训练时基于训练集对模型进行联合训练，引入一致性损失确保辅助任务与主任务对特征提取器参数的优化方向一致；测试时针对特定测试样本以最小化辅助自监督学习任务损失为目标进行测试时训练，调整特征提取器以适应样本分布，结合任务特定的预测头获取信息传播预测模型。本发明能够实现多尺度信息传播预测，解决信息传播预测任务中的分布偏移问题，提高模型在不同测试环境下的泛化性能。
-
公开(公告)号：CN114091356B
公开(公告)日：2022-05-20
申请号：CN202210051900.3
申请日：2022-01-18
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N20/00 , G06F111/08
Abstract: 本发明提供一种联邦学习方法及装置，通过在联邦学习过程中加入验证轮，由服务端将待验证客户端上一次返回的模型更新参数发送至辅助客户端，利用辅助客户端的本地数据进行训练，计算验证轮中各辅助客户端训练终止时损失值与以往轮次的偏差，若所述偏差大于设定阈值的辅助客户端数量高于设定比例则标记待验证客户端为异常客户端。能够在各客户端不知情的条件下，快速有效的识别出异常的客户端，进一步的，根据异常客户端对应的各验证轮次中的偏差调节模型聚合过程中的权重，以防止异常客户端对全局模型更新的不良影响。
-
公开(公告)号：CN116340477A
公开(公告)日：2023-06-27
申请号：CN202310110049.1
申请日：2023-02-02
Applicant: 北京邮电大学
IPC: G06F16/332 , G06Q50/00 , G06F18/22 , G06N3/04 , G06N3/084
Abstract: 本发明提供一种网络欺凌会话预测方法、系统及存储介质，包括：获取待预测的会话数据的多个评论，将多个评论输入至评论级别编码模块得到各评论的评论级特征向量；将各评论级特征向量输入至会话级别编码模块得到评论的会话级特征向量；基于各评论级特征向量构建社交网络图，社交网络图的节点表示评论，社交网络图的边表示相邻两个评论的相似度或提及关系，基于图注意网络获取社交网络图对应的社交特征向量；将各社交特征向量进行全局平均池化，得到第一特征向量，将会话级特征向量输入至第一注意力层得到第二特征向量，将第一特征向量和第二特征向量输入至第一多层感知器MLP层中，得到网络欺凌会话预测结果。该方法提高了网络欺凌会话预测的准确度。
-
公开(公告)号：CN119558490A
公开(公告)日：2025-03-04
申请号：CN202510125908.3
申请日：2025-01-27
Applicant: 北京邮电大学 , 微梦创科网络科技(中国)有限公司
IPC: G06Q10/04 , G06Q50/00 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/098
Abstract: 本发明提供一种基于扩散模型的早期信息传播预测方法及系统，该方法的步骤包括：获取统计的用户社交图和当前参与待预测信息传播的用户及该用户参与传播的时间点；基于所述用户社交图确定参与待预测信息传播的用户的用户编码，基于所述用户编码和该用户参与传播的时间点确定用户序列组；基于用户序列组顺序构建历史传播序列；将历史传播序列输入到级联表示学习模块中，得到第一级联表示序列组；将所述第一级联表示序列组输入到预训练的级联生成模型中，所述级联生成模型输出第二级联表示序列组，所述级联生成模型为扩散模型的结构；将所述第二级联表示序列组输入到预训练的流行度预测模块中，输出预测的流行度值。
-
Patent Agency Ranking
公开(公告)号：CN117992641B
公开(公告)日：2024-11-15
申请号：CN202410081096.2
申请日：2024-01-19
Applicant: 北京邮电大学
IPC: G06F16/903 , G06F21/62
Abstract: 本发明提供一种批量关键字隐匿查询方法及系统，方法应用于客户端，包括：由分桶个数和待查询批量关键字个数确定待填充矩阵和哈希函数个数；将选取的分桶编号二进制取反后纵向填充待填充矩阵大小，生成第一填充矩阵；由多个哈希函数分别对批量关键字运算，由每次运算的结果和关键字个数得到第一填充矩阵中当前运算对应的待重新填充矩阵元素的行列编号，由分桶编号二进制依次对多次运算对应行列编号的元素重新填充，得到第二填充矩阵；向服务端发送第二填充矩阵、多个函数和关键字个数，使其据此将多个键值对分到对应编号的桶中，含批量关键字的键值对被分到与分桶编号相同的桶内；向服务端发起针对分桶编号的批量关键字隐匿查询，得到查询结果。
-
公开(公告)号：CN117992641A
公开(公告)日：2024-05-07
申请号：CN202410081096.2
申请日：2024-01-19
Applicant: 北京邮电大学
IPC: G06F16/903 , G06F21/62
Abstract: 本发明提供一种批量关键字隐匿查询方法及系统，方法应用于客户端，包括：由分桶个数和待查询批量关键字个数确定待填充矩阵和哈希函数个数；将选取的分桶编号二进制取反后纵向填充待填充矩阵大小，生成第一填充矩阵；由多个哈希函数分别对批量关键字运算，由每次运算的结果和关键字个数得到第一填充矩阵中当前运算对应的待重新填充矩阵元素的行列编号，由分桶编号二进制依次对多次运算对应行列编号的元素重新填充，得到第二填充矩阵；向服务端发送第二填充矩阵、多个函数和关键字个数，使其据此将多个键值对分到对应编号的桶中，含批量关键字的键值对被分到与分桶编号相同的桶内；向服务端发起针对分桶编号的批量关键字隐匿查询，得到查询结果。
-
-
公开(公告)号：CN115983407A
公开(公告)日：2023-04-18
申请号：CN202310263221.7
申请日：2023-03-17
Applicant: 北京邮电大学
Abstract: 本发明提供一种纵向联邦逻辑回归训练方法及装置，各参与方使用CKKS全同态加密将本地计算的半梯度列表加密发送给对方，将接收到的对方加密后的半梯列表，与本地计算的明文半梯度列表相加并与明文数据矩阵的转置相乘，计算得到加密状态下完整的梯度。对加密状态下完整的梯度添加混淆后发送至对方参与方进行解密后返回，消除混淆后得到最终的明文梯度用于更新模型。基于纵向逻辑回归的训练模式，引入CKKS进行全同态加密，极大简化了同态加密过程，提升了计算效率。
-
公开(公告)号：CN114091356A
公开(公告)日：2022-02-25
申请号：CN202210051900.3
申请日：2022-01-18
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N20/00 , G06F111/08
Abstract: 本发明提供一种联邦学习方法及装置，通过在联邦学习过程中加入验证轮，由服务端将待验证客户端上一次返回的模型更新参数发送至辅助客户端，利用辅助客户端的本地数据进行训练，计算验证轮中各辅助客户端训练终止时损失值与以往轮次的偏差，若所述偏差大于设定阈值的辅助客户端数量高于设定比例则标记待验证客户端为异常客户端。能够在各客户端不知情的条件下，快速有效的识别出异常的客户端，进一步的，根据异常客户端对应的各验证轮次中的偏差调节模型聚合过程中的权重，以防止异常客户端对全局模型更新的不良影响。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
