公开(公告)号：CN120011427A

公开(公告)日：2025-05-16

申请号：CN202510023571.5

申请日：2025-01-07

Applicant: 复旦大学

Inventor： 刘森 ,  柴洪峰 ,  李佳乐 ,  钱润 ,  林念旺

IPC: G06F16/248 ,  G06F40/174 ,  G06F40/177 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/092 ,  G06N5/04

Abstract: 本发明提供了一种小模型与语言模型协同增强的表格数据生成方法及装置，具有这样的特征，包括步骤S2‑1，构建表格数据生成模型，并将原始训练数据集作为训练数据集；步骤S2‑2，通过表格数据生成模型生成训练数据集对应的训练合成数据，并根据训练合成数据和训练数据集优化表格数据生成模型；步骤S2‑3，判断是否达到预设终止条件，若是，则得到训练好的表格数据生成模型，若否，则进入步骤S2‑4；步骤S2‑4，通过训练好的小模型生成训练合成数据对应的辅助训练数据，并将原始训练数据集和辅助训练数据合并作为训练数据集，执行步骤S2‑2。总之，本方法能够生成更加真实的合成表格数据。

公开(公告)号：CN119599106A

公开(公告)日：2025-03-11

申请号：CN202411647636.5

申请日：2024-11-18

Applicant: 复旦大学

Inventor： 朱鸿斌 ,  柴洪峰 ,  孙旭 ,  杨春 ,  况文川

IPC: G06N5/02 ,  G06N3/042

Abstract: 本发明提供了一种基于预训练模型的图神经网络知识图谱补全方法，具有这样的特征，包括步骤S1，得到各个有描述实体和关系对应的自然语言表示；步骤S2，根据所有有描述实体对应的自然语言表示，得到各个无描述实体对应的自然语言表示；步骤S3，训练得到知识图谱补全模型，以及各个关系对应的表示和各个无描述实体对应的初始语义表示；步骤S4，将三元组、各个有描述实体对应的自然语言表示和三元组中关系对应的表示输入训练好的知识图谱补全模型，得到缺失实体。总之，本方法能够提高知识图谱的补全效果。

公开(公告)号：CN119379050A

公开(公告)日：2025-01-28

申请号：CN202310926215.5

申请日：2023-07-26

Applicant: 复旦大学

Inventor： 柴洪峰 ,  刘森 ,  朱鸿斌 ,  曾倩如 ,  李智鑫

IPC: G06Q10/0639 ,  G06Q40/02 ,  G06F16/25 ,  G06F16/242 ,  G06F16/23

Abstract: 本发明提供了一种银行ESG指数系统，具有这样的特征，包括云端服务器，用于存储专利数据、企业财务指标、第一类政策文件和第二类政策文件；至少一个用户终端，通过网络与云端服务器通信连接，其中，云端服务器包括服务侧通信部、数据存储部、指标及权重更新部、三级指标及权重存储部、ESG数据提取部和ESG指数计算部，用户终端包括输入存储部和用户侧通信部。总之，本系统能够得到更为准确的ESG指数评价结果。

公开(公告)号：CN118211769A

公开(公告)日：2024-06-18

申请号：CN202211637200.9

申请日：2022-12-16

Applicant: 复旦大学

Inventor： 柴洪峰 ,  吴杰 ,  侯鹏 ,  刘森 ,  江宵汉

IPC: G06Q10/0631 ,  G06N3/045 ,  G06N3/08 ,  G06F9/50

Abstract: 本发明提供一种无人机边缘计算中基于联合深度强化学习的动态服务方法，该方法充分利用无人机之间的协作，将深度强化学习的决策能力和联邦学习的分布式训练能力结合，对无人机的本地模型及本地模型聚合生成的聚合模型进行训练，获取了具有最优服务策略的全局模型，从而实现无人机边缘计算网络中无人机动态切换服务类型，并为地面应用设备分配通信和计算资源的功能。本发明充分发挥了两种算法在无人机边缘计算中的优势，不仅在学习性能上非常接近集中式DRL，而且能够减少网络数据的传递，减轻中心服务器的训练压力。因此，本发明能够很好的结合集中式和全分布式的优点，非常适合计算能力和能源受限的无人机边缘计算场景中人工智能模型的部署和训练。

公开(公告)号：CN116756291A

公开(公告)日：2023-09-15

申请号：CN202310818649.3

申请日：2023-07-04

Applicant: 复旦大学

Inventor： 荆一楠 ,  张寒冰 ,  何震瀛 ,  王晓阳 ,  吴杰 ,  柴洪峰

IPC: G06F16/332 ,  G06F16/33 ,  G06N5/04 ,  G06N3/08

Abstract: 本发明提供一种基于和积网络模型的基数估计及近似查询处理方法及装置，在模型构建步骤中基于准确性需求对叶子节点的行号位图进行合并，从而构建出准确性高并且最小化推理开销的融合位图的和积网络模型；在查询处理步骤中，基于给定的与准确性需求相关的规则以及分解到最底层乘积节点中的查询请求决定其下叶子节点的计算方式，因此能够获取最优的推理准确性以及开销。通过本发明的方法及装置能够提高查询优化中基数估计的准确性，从而帮助提高查询优化结果，减少查询执行所需开销，帮助数据分析人员对大规模数据集进行实时分析，通过融合额外的数据分布特征，提高近似查询处理在SPJA查询上的准确性，以提升用户体验，提高决策的有效性。

公开(公告)号：CN116091214A

公开(公告)日：2023-05-09

申请号：CN202211339319.8

申请日：2022-10-29

Applicant: 复旦大学

Inventor： 王锴 ,  赵宇 ,  童麦可 ,  陈辰 ,  韩伟力 ,  柴洪峰

IPC: G06Q40/04 ,  G06F21/62

Abstract: 本发明属于区块链领域，具体为一种面向UTXO模型区块链的勒索地址识别方法。本发明包括：针对勒索活动交易行为提取地址本身的交易特征；创新地定义四种交易关系，聚合相关地址特征以构建级联交易特征；利用正样本无标签学习方法消减数据不平衡影响，构建勒索地址识别模型；快速更新地址特征，实现勒索活动及时预警。本发明能够在UTXO模型区块链中高效准确地识别用于勒索活动的区块链地址，协助区块链监管和非法活动打击。本发明还对其他支付网络中的勒索地址识别方案提供参考，通过自定义修改本身交易特征的提取，即可设计出针对不同支付网络的勒索地址识别方案，以利于打击区块链中异常猖獗且危害极大的勒索活动，具有很好的应用前景。

公开(公告)号：CN120013666A

公开(公告)日：2025-05-16

申请号：CN202510017637.X

申请日：2025-01-06

Applicant: 复旦大学

Inventor： 柴洪峰 ,  龚钦浩 ,  谭言丹 ,  朱鸿斌

IPC: G06Q40/04 ,  G06Q50/00 ,  G06F40/16 ,  G06F40/216

Abstract: 本发明提供一种面向非法集资交易风险场景的金融数据生成方法，包括生成用户基础数据的步骤、生成用户关系网络的步骤、生成用户之间的正常交易数据和多场景非法集资交易数据的步骤，其中，由于根据统计数据来生成用户信息，并在此基础上构建多个用户之间的关系网络，因此能够很好地模拟多用户真实的社会经济特征，提供多样化和真实感强的用户基础数据和接近真实的社会关系网络，为交易数据的模拟提供坚实基础。进而，基于用户基础信息、用户关系网络、统计数据和预定生成规则分别生成了正常交易数据与多种非法集资交易场景的非法集资交易数据，也即，能够自动生成具备复杂交易模式的交易数据，为金融模型测试和欺诈检测等应用提供了有力的支持。

公开(公告)号：CN120013229A

公开(公告)日：2025-05-16

申请号：CN202510030512.0

申请日：2025-01-08

Applicant: 复旦大学

Inventor： 朱鸿斌 ,  侯鹏 ,  柴洪峰

IPC: G06Q10/0635 ,  G06N3/006 ,  G06N3/092 ,  G06F18/213 ,  G06Q20/40

Abstract: 本发明提供了一种基于强化学习的非法集资可疑主体识别方法及系统，包括信息梳理模块、数据分析模块、数据特征提取模块、数据特征处理模块、模型构建模块、模型选择模块、模型训练模块、算法选择模块、算法优化模块、风险识别模块以及预警模块。基于强化学习的非法集资可疑主体识别方法通过利用关键性的资金特征和数据，训练强化学习代理，使其能够精准识别出非法集资可疑主体，提高风险识别的准确性和效率，充分挖掘资金数据中的隐含信息，识别出传统规则模型和监督学习方法难以检测的异常模式和风险点。

公开(公告)号：CN120012733A

公开(公告)日：2025-05-16

申请号：CN202510023574.9

申请日：2025-01-07

Applicant: 复旦大学

Inventor： 刘森 ,  柴洪峰 ,  李佳乐 ,  林念旺 ,  陈璐瑀

IPC: G06F40/177 ,  G06F40/16 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明提供了一种基于语言模型对抗数据增强的表格数据生成方法及装置，具有这样的特征，包括：步骤S1，构建鉴别器和生成器，并根据多个训练表格数据构建的原始训练数据集对鉴别器和生成器进行训练，得到训练好的生成器作为表格数据生成模型；步骤S2，对现有表格数据进行预处理，得到预处理数据；步骤S3，将预处理数据输入表格数据生成模型，得到合成表格数据。总之，本方法能够生成更加真实且高质量的合成表格数据。

公开(公告)号：CN119669659A

公开(公告)日：2025-03-21

申请号：CN202311210466.X

申请日：2023-09-19

Applicant: 复旦大学

Inventor： 柴洪峰 ,  陈任峰 ,  朱鸿斌 ,  江宵汉

IPC: G06F18/15 ,  G06F17/18 ,  G06N5/04 ,  G06N3/0475 ,  G06N3/084

Abstract: 本发明提供一种数据补全方法及装置，通过数据补全模型的推理网络将待补全数据的特征变量转换为隐变量，并获得隐变量的变分概率分布，进而基于变分概率分布生成隐变量到特征变量的似然概率分布，更进一步地，引入重要性采样，从而提升数据补充的准确性，因此，通过本发明的方法，不需要查询额外数据源进行数据填充，而能够直接通过数据补全模型基于待补全数据获得完整数据，减少了数据的获取成本，提升了数据的完整性，从而提高了后续其他数据处理模型的预测结果的精度。