-
公开(公告)号：CN110874348A
公开(公告)日：2020-03-10
申请号：CN201911106280.3
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于大数据的技术领域，具体涉及一种混合云环境下隐私的差异化数据检索方法，包括确定目标关键字，向数据文件输入检索请求，显示数据文件的关键字，度量数据文件的关键字与目标关键字的距离值，通过距离值构建数据检索索引，获得检索结果。本发明不仅同时提高了用户在大数据中的搜索速度和在大数据中信息的传输速度，还扩大了搜索的空间和搜索关键字的语义空间，从而使攻击者不能准确地推断出文件的内容，有效地解决了混合云环境下隐私泄露的问题。
-
公开(公告)号：CN110866275A
公开(公告)日：2020-03-06
申请号：CN201911106252.1
申请日：2019-11-13
Applicant: 哈尔滨工业大学 , 电子科技大学广东电子信息工程研究院
IPC: G06F21/62 , G06F16/953 , G06F16/2458
Abstract: 本发明属于信息安全技术领域，具体涉及一种隐私保护的大数据的近似检索方法，包括步骤1、用户提出数据搜索请求，并将该请求提交给搜索引擎；步骤2、搜索引擎接收搜索请求，搜集当前数据平台的状态信息，并对搜索请求的可行性进行预估；步骤3、若预估结果与搜索请求不同，则拒绝该请求；若预估结果与搜索请求一致，则进行实施；步骤4、数据平台将实施结果返回给搜索引擎，并由搜索引擎呈现给用户。与现有技术相比，本发明针对大数据搜索目前尚无“精度、时效、隐私保护粒度”等多维一体的整体性解决方案的问题，实现大数据搜索三大维度相协的数据检索方案，解决了由同构搜索、数据版本更新所带来的重搜索问题，提升通用搜索的检索效率。
-
公开(公告)号：CN118739929A
公开(公告)日：2024-10-01
申请号：CN202410900122.X
申请日：2024-07-05
Applicant: 哈尔滨工业大学
Abstract: 直流无刷电机的超调可控神经网络反步控制方法，涉及非线性系统控制领域，针对现有反步法无法对直流无刷电机的超调量进行准确调节的问题，本申请相较于其他的自适应神经网络反步控制方法，不仅可以稳定闭环系统，而且可以根据所提出的参数设置规则预先确定系统的超调量。进而解决了现有反步法无法对直流无刷电机的超调量进行准确调节的问题。
-
公开(公告)号：CN117216397A
公开(公告)日：2023-12-12
申请号：CN202311237690.8
申请日：2023-09-22
Applicant: 哈尔滨工业大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/044 , G06N3/08
Abstract: 本发明提出一种基于区域影响的深度矩阵分解的POI推荐方法，属于智能推荐技术领域。包括：S1.获取POI数据，进行预处理，并构建用户兴趣点矩阵；S2.对用户兴趣点进行偏置分析；S3.对用户兴趣点矩阵进行正则化处理；S4.构建POI图获取POI功能嵌入表示，构建Region图获取区域嵌入表示；S5.获取区域影响指数和关联区域特征的用户兴趣点偏置矩阵；S6.构建深度矩阵分解模型，训练模型，预测用户对未知兴趣点的兴趣程度。本发明通过学习用户和POI之间的潜在特征向量，能够更好地捕捉用户的兴趣和POI的特征。通过对用户‑POI矩阵的分解和补全，能够准确地预测用户的POI访问偏好，并生成个性化的推荐结果。
-
公开(公告)号：CN101783752A
公开(公告)日：2010-07-21
申请号：CN201010108420.3
申请日：2010-02-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于网络拓扑特征的网络安全量化评估方法，它涉及网络安全技术领域，它解决了现有的网络安全量化评估过程中忽略网络拓扑特征的问题。本发明的过程为：步骤一：选取用于评估网络安全事件损害程度的网络性能指标；步骤二：定义网络熵值Hi＝-log2Vi；步骤三：计算每一个网络性能指标的指标权重；步骤四：利用格兰姆-施密特正交化方法去除多个网络性能指标间的相关性，获得多个去相关网络性能指标；步骤五：获得安全事件损害程度ΔH和安全事件损害等级；步骤六：利用析因设计方法并结合安全事件损害程度ΔH，实现量化网络拓扑特征进行评估网络安全事件对网络性能的影响程度。本发明为指导网络安全宏观预警与响应提供了参考信息。
-
Patent Agency Ranking
公开(公告)号：CN117540746B
公开(公告)日：2024-07-19
申请号：CN202311709913.6
申请日：2023-12-13
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/169 , G06F18/214 , G06F18/21 , G06N3/048 , G06N3/0455 , G06N3/096
Abstract: 一种基于多任务迁移的众包命名实体识别个性化提示微调方法及系统，属于众包命名实体识别技术领域。本发明为了解决使用现有的提示方法在众包场景下进行提示微调时识别准确率低、识别效果差的问题而提出的。技术要点：先构建个性化提示生成器：个性化提示生成器针对每个标注者构建私有提示，针对所有标注者构建公有提示，初始化后经过训练过程得到用于预测的私有提示、公有提示，二者再生成最终软提示，最终软提示再通过提示生成网络生成三种注意力机制对应的K、V；再将K、V输入给基于软提示微调的Transformer构架下的模型，得到参数改变后的预训练模型。实验证明，我们提出的PPG能够显著提升已有基于预训练模型的软提示微调命名实体识别方法在众包数据上的效果。
-
公开(公告)号：CN117540746A
公开(公告)日：2024-02-09
申请号：CN202311709913.6
申请日：2023-12-13
Applicant: 哈尔滨工业大学
IPC: G06F40/295 , G06F40/169 , G06F18/214 , G06F18/21 , G06N3/048 , G06N3/0455 , G06N3/096
Abstract: 一种基于多任务迁移的众包命名实体识别个性化提示微调方法及系统，属于众包命名实体识别技术领域。本发明为了解决使用现有的提示方法在众包场景下进行提示微调时识别准确率低、识别效果差的问题而提出的。技术要点：先构建个性化提示生成器：个性化提示生成器针对每个标注者构建私有提示，针对所有标注者构建公有提示，初始化后经过训练过程得到用于预测的私有提示、公有提示，二者再生成最终软提示，最终软提示再通过提示生成网络生成三种注意力机制对应的K、V；再将K、V输入给基于软提示微调的Transformer构架下的模型，得到参数改变后的预训练模型。实验证明，我们提出的PPG能够显著提升已有基于预训练模型的软提示微调命名实体识别方法在众包数据上的效果。
-
公开(公告)号：CN114896423A
公开(公告)日：2022-08-12
申请号：CN202210686880.7
申请日：2022-06-17
Applicant: 哈尔滨工业大学
IPC: G06F16/36 , G06F40/295 , G06N7/00 , G06Q10/10
Abstract: 本发明提供了一种企业基本信息知识图谱的构建方法及系统。所述构建方法包括：首先，对于包含公司基本信息的网站进行数据爬虫，采集完成知识图谱所需的相关数据；其次，对构建完成的数据集进行知识抽取：实体抽取、关系抽取、属性抽取，从复杂的数据集中明确研究对象；然后，对得到的实体、关系、属性集合进行知识融合，完成实体‑关系‑实体或者实体‑属性‑属性值的三元组建立，完成知识图谱的构建过程，并利用构建完成的知识图谱与马尔可夫逻辑网结构学习结合完成知识推理。本发明搭建了一个小型知识图谱，不仅制作了一个包含企业信息的“百科知识库”，并且可进一步利用谓词表示及马尔可夫逻辑网对缺失信息的企业的各方面信息进行准确预测。
-
公开(公告)号：CN112307364B
公开(公告)日：2021-10-29
申请号：CN202011336057.0
申请日：2020-11-25
Applicant: 哈尔滨工业大学
IPC: G06F16/9537 , G06F16/29 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/00
Abstract: 一种面向人物表征的新闻文本发生地抽取方法，属于信息提取领域，用以解决在人物表征过程中现有的命名实体识别算法缺少语义结构信息分析，导致新闻文本中出现多个地名时难以分辨新闻发生地的问题。本发明的技术要点包括，对新闻文本数据集中新闻文本进行预处理；对预处理后的新闻文本中的实体及实体类别、段落特征、句子特征、词特征进行标注；对标注后的新闻文本中的地名关系进行抽取，构建新的地名实体知识图谱；并采用基于深度森林算法gcForest对新闻文本数据集中的新闻发生地进行预测抽取。本发明可用于新闻事件相关人物的特性表征。
-
公开(公告)号：CN110866277A
公开(公告)日：2020-03-06
申请号：CN201911107523.5
申请日：2019-11-13
Applicant: 电子科技大学广东电子信息工程研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种DaaS应用的数据集成的隐私保护方法，包括如下步骤，步骤一、在满足数据匿名的条件下，通过租户间多轮协作，每轮采用信息增益最大的属性加细数据集；步骤二、设定云服务提供商的信誉等级，并根据信誉等级划分云服务提供商；步骤三、对于低于预设信誉等级的云服务提供商，采用基于分割的隐私保护机制，隐藏数据之间的关联关系，并通过分组均衡化的方式，确保属性的值域均衡分布，防止云服务提供商泄露租户数据隐私；对于高于预设信誉等级的云服务提供商，采用分类索引树数据结构，验证云服务提供商返回数据的正确性及完整性。本发明通过分类索引树数据结构，使云租户有能力验证云服务提供商返回结果集的正确性及完整性。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.029 seconds)
