-
公开(公告)号：CN104978579B
公开(公告)日：2019-07-16
申请号：CN201510316314.7
申请日：2015-06-10
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学 , 北京建筑大学
IPC: G06K9/34
Abstract: 本发明公开了一种对图像型垃圾邮件进行过滤的方法及装置，通过WAF模型对邮件图像中识别出的关键词进行关键词重构，并基于重构后的关键词对邮件进行判断和过滤，从而解决现有技术中基于图像过滤垃圾邮件准确率低的问题。
-
公开(公告)号：CN104834891A
公开(公告)日：2015-08-12
申请号：CN201510083460.X
申请日：2015-02-16
Applicant: 北京建筑大学 , 北京邮电大学 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种中文图像型垃圾邮件过滤方法，包括：在图像背景下提取得到图像中的汉字；使用汉字的关键点对汉字的字符特征进行表示；将字符特征与预先设置的样本库进行匹配，识别出垃圾邮件；对垃圾邮件进行过滤。本发明还公开了一种中文图像型垃圾邮件过滤系统。本发明在中文图像型垃圾邮件过滤中既能保留一定程度的语义信息，又能快速准确的进行识别，本发明可以在只使用很小的特征库下，得到极低的误识别率和很高的准确率。本发明具有更宽松的字符识别要求，能够适应更多变，背景更复杂的图像；对较广泛的图片都能到达较好的效果；在对中文的过滤应用中，本发明从实际垃圾邮件图像中提取少量关键字样本库，使得算法效率大大提高。
-
Patent Agency Ranking
公开(公告)号：CN104978579A
公开(公告)日：2015-10-14
申请号：CN201510316314.7
申请日：2015-06-10
Applicant: 国家计算机网络与信息安全管理中心 , 北京邮电大学 , 北京建筑大学
IPC: G06K9/34
CPC classification number: G06K9/344
Abstract: 本发明公开了一种对图像型垃圾邮件进行过滤的方法及装置，通过WAF模型对邮件图像中识别出的关键词进行关键词重构，并基于重构后的关键词对邮件进行判断和过滤，从而解决现有技术中基于图像过滤垃圾邮件准确率低的问题。
-
公开(公告)号：CN108804577A
公开(公告)日：2018-11-13
申请号：CN201810505164.8
申请日：2018-05-24
Applicant: 联通在线信息科技有限公司 , 北京邮电大学
CPC classification number: G06K9/6256 , G06K9/6267
Abstract: 本发明公开一种资讯标签兴趣度的预估方法，包括：创建并维护含标签的候选资讯库；根据用户人口学信息得到用户属性资讯标签兴趣度向量；获取预设时间段内多个用户的历史行为数据并进行预处理，得到已训练的深度学习模型；获取当前用户的历史行为数据并进行预处理，得到当前用户的用户行为资讯标签兴趣度向量；根据当前用户的用户属性资讯标签兴趣度向量和用户行为资讯标签兴趣度向量计算得到用户‑资讯标签兴趣度向量，最终确定用户最感兴趣的若干个资讯标签。本发明解决用户兴趣度预估的冷启动问题，避免了直接从互联网中选取资讯时常会出现的资讯质量低的问题，同时降低了对用户兴趣度预估问题的计算量，适用于每个样本含有多个标签的场景。
-
公开(公告)号：CN108804577B
公开(公告)日：2022-11-01
申请号：CN201810505164.8
申请日：2018-05-24
Applicant: 联通在线信息科技有限公司 , 北京邮电大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开一种资讯标签兴趣度的预估方法，包括：创建并维护含标签的候选资讯库；根据用户人口学信息得到用户属性资讯标签兴趣度向量；获取预设时间段内多个用户的历史行为数据并进行预处理，得到已训练的深度学习模型；获取当前用户的历史行为数据并进行预处理，得到当前用户的用户行为资讯标签兴趣度向量；根据当前用户的用户属性资讯标签兴趣度向量和用户行为资讯标签兴趣度向量计算得到用户‑资讯标签兴趣度向量，最终确定用户最感兴趣的若干个资讯标签。本发明解决用户兴趣度预估的冷启动问题，避免了直接从互联网中选取资讯时常会出现的资讯质量低的问题，同时降低了对用户兴趣度预估问题的计算量，适用于每个样本含有多个标签的场景。
-
公开(公告)号：CN108629665B
公开(公告)日：2021-07-16
申请号：CN201810433175.X
申请日：2018-05-08
Applicant: 北京邮电大学 , 联通在线信息科技有限公司
IPC: G06Q30/06
Abstract: 本发明公开一种个性化商品推荐方法和系统，方法包括：获取预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；基于余弦相似度方法得到影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；输出模型预测出的用户感兴趣的商品列表。本发明有效地利用用户历史行为中商品的时序信息，使历史行为中的商品在推荐系统计算中根据其交互行为发生的时间顺序而具有不同的权重值，商品影响因子体现了商品的全局特征及该用户对该商品的兴趣程度，有效增加深度学习模型获取到的特征量，有效提升对冷启动用户的个性化推荐效果。
-
公开(公告)号：CN108629665A
公开(公告)日：2018-10-09
申请号：CN201810433175.X
申请日：2018-05-08
Applicant: 北京邮电大学 , 联通在线信息科技有限公司
IPC: G06Q30/06
Abstract: 本发明公开一种个性化商品推荐方法和系统，方法包括：获取预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；基于余弦相似度方法得到影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；输出模型预测出的用户感兴趣的商品列表。本发明有效地利用用户历史行为中商品的时序信息，使历史行为中的商品在推荐系统计算中根据其交互行为发生的时间顺序而具有不同的权重值，商品影响因子体现了商品的全局特征及该用户对该商品的兴趣程度，有效增加深度学习模型获取到的特征量，有效提升对冷启动用户的个性化推荐效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.124 seconds)
