公开(公告)号：CN119939464A

公开(公告)日：2025-05-06

申请号：CN202510011437.3

申请日：2025-01-03

Applicant: 北京邮电大学

Inventor： 傅湘玲 ,  黄威 ,  尚煜茗 ,  熊宇轩 ,  王铭浩

IPC: G06F18/2433 ,  G06F18/214 ,  G06N3/088 ,  G06N3/0455

Abstract: 本发明公开了一种基于对比学习的无监督异常检测方法及装置，属于异常检测领域。方法包括：基于训练样本集获取初步训练完成的双任务学习模型；利用测试样本集中的样本，利用当前双任务学习模型从测试样本集中选择出高置信正常样本和高置信异常样本，以通过对比学习方式对当前双任务学习模型进行模型参数更新，将更新后的双任务学习模型作为当前双任务学习模型，将本次选择的高置信正常样本和高置信异常样本从测试样本集中删除，并利用剩余的测试样本集继续进行模型参数更新，直至得到训练完成的双任务学习模型；利用训练完成的双任务学习模型对输入的表格数据进行异常检测。本发明能够提高异常检测的有效性。

公开(公告)号：CN116432848A

公开(公告)日：2023-07-14

申请号：CN202310415617.9

申请日：2023-04-18

Applicant: 北京邮电大学

Inventor： 傅湘玲 ,  宋美琦 ,  闫晨巍 ,  黄威

IPC: G06Q10/04 ,  G06Q40/12 ,  G06Q10/0635

Abstract: 本发明涉及时序数据处理技术领域，特别涉及一种基于多源异步时序融合的企业财务状况预测方法、装置、电子设备及存储介质，其中方法包括：获取多年度多企业财务相关的多源异步时序数据，并进行预处理；设置时间窗口，并通过滑动所述时间窗口，选取对应的所述多源异步时序数据，得到样本数据集；构建财务状况预测模型；利用所述样本数据集，对所述财务状况预测模型进行训练；获取待预测企业财务相关的多源异步时序数据并进行处理，以适应所述财务状况预测模型的输入要求；将处理后的数据输入训练后的所述财务状况预测模型，得到财务状况预测结果。本发明能够用于预测企业财务状况。

公开(公告)号：CN116843342A

公开(公告)日：2023-10-03

申请号：CN202310805809.0

申请日：2023-07-03

Applicant: 北京邮电大学

Inventor： 傅湘玲 ,  沈耀迪 ,  黄威 ,  潘正

IPC: G06Q20/40 ,  G06F18/24 ,  G06F18/214 ,  G06Q40/04 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及金融欺诈检测技术领域，特别涉及一种基于图神经网络的金融欺诈检测方法、装置、设备及介质，其中方法包括：获取用户信息及用户关系数据；基于获取的用户信息及用户关系数据，构建多关系欺诈图；基于构建的多关系欺诈图，通过训练好的图神经网络模型进行检测，对多关系欺诈图中的每个节点进行分类判断，以确定欺诈用户。本发明能够提高金融欺诈检测的查准率和查全率。

公开(公告)号：CN118709739A

公开(公告)日：2024-09-27

申请号：CN202410839791.0

申请日：2024-06-26

Applicant: 北京邮电大学

Inventor： 傅湘玲 ,  黄威 ,  尚煜茗 ,  熊宇轩 ,  王铭浩

IPC: G06N3/08 ,  G06N3/063

Abstract: 本发明涉及一种用于提升模型训练效率的动态数据选择方法。方法包括：利用预设的样本集对模型进行预设轮次的预训练，并构建大小为w的滑动窗口；滑动窗口用于保存样本集中的每个样本在过去最近的w个训练轮次中的损失值；针对预设轮次之后的每一个训练轮次，均执行：S1，确定当前训练轮次的重要子集，过程为：基于上一个滑动窗口内的损失值，更新样本集中每个样本的当前综合得分；基于该当前综合得分和预设的选择率，确定当前训练轮次的重要子集；S2，利用该重要子集进行当前训练轮次的模型训练，并根据训练结果确定当前滑动窗口内的损失值；循环执行S1和S2，直至模型收敛。本申请，可以在尽量不损失训练精度的同时，提高模型的训练效率。

公开(公告)号：CN117171368A

公开(公告)日：2023-12-05

申请号：CN202311321253.4

申请日：2023-10-12

Applicant: 北京师范大学 ,  北京邮电大学

Inventor： 靳健 ,  傅湘玲 ,  李朝阳 ,  耿骞 ,  黄威

IPC: G06F16/383 ,  G06F16/35 ,  G06F16/31 ,  G06F40/194 ,  G06F40/289 ,  G06Q40/06

Abstract: 本发明涉及深度学习技术领域，特别涉及一种基于主题特征的金融投诉案例的检索方法和装置。方法包括：利用向量索引算法对待检索案例进行粗排检索，得到待检索案例的若干个相似案例；待检索案例分别与每一个相似案例生成文本对，并将若干个文本对输入至预先训练好的文本匹配模型中；其中，文本匹配模型是基于预训练模型训练生成的，预训练模型的输入层用于生成由词向量、位置向量、分段向量和主题信息词向量相加组成的输入向量，并将输入向量输入至文本匹配模块；得到各文本对的匹配分数，以根据匹配分数确定最终的目标案例。本方案可以使得预训练模型能够学习跨文本的主题特征，从而提高金融投诉案例检索的准确度和效率。