-
公开(公告)号:CN118313385B
公开(公告)日:2024-09-06
申请号:CN202410353006.0
申请日:2024-03-26
Applicant: 广东工业大学
IPC: G06F40/30 , G06F40/117 , G06F40/242 , G06F40/216 , G06F40/279 , G06N20/00
Abstract: 本发明公布了一种融合多种情感极性的文本讽刺识别方法,具体实现步骤如下:(1)构建讽刺识别数据集。(2)构建初始讽刺识别情感词典并构建平滑的情感倾向点互信函数SSOPMI对其进行扩充。(3)构建讽刺识别模型,并构建融合多种情感极性的讽刺识别网络IMEPSI分别提取积极情感部分和消极情感部分的情感特征与文本的上下文信息特征,然后将情感特征与上下文信息特征进行融合并对融合后的特征向量进行降维;最后根据激活函数判断该文本是否具有讽刺性;(3)初始化模型的权重和偏置项设置模型相关的超参数,将训练集和验证集加载至该模型中进行训练,得该模型训练后的最优参数。(4)运用该模型,对文本进行讽刺识别。
-
公开(公告)号:CN110765362B
公开(公告)日:2023-04-07
申请号:CN201910834009.5
申请日:2019-09-04
Applicant: 广东工业大学
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明公开了一种基于学习情况相似度的协同过滤个性化学习推荐方法,引入了知识点掌握程度相似性因子、平均分相似性因子和知识点难度系数修正因子来衡量学习者的学习情况,由此形成基于学习情况的相似度计算公式。知识点掌握程度相似性因子考虑了学习者在不同知识点掌握程度的相似性;平均分相似性因子则是考虑了学习者在该课程中,知识点的总体掌握程度;知识点难度系数修正因子减小了用于考查同一个知识点的不同题目存在难度上的差异。通过引入三个因子形成基于学习情况的相似度计算公式,在计算学习者之间的相似度时,能够考量学习者之间学习情况的相似性,使得筛选的邻居更加准确。
-
公开(公告)号:CN110765362A
公开(公告)日:2020-02-07
申请号:CN201910834009.5
申请日:2019-09-04
Applicant: 广东工业大学
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明公开了一种基于学习情况相似度的协同过滤个性化学习推荐方法,引入了知识点掌握程度相似性因子、平均分相似性因子和知识点难度系数修正因子来衡量学习者的学习情况,由此形成基于学习情况的相似度计算公式。知识点掌握程度相似性因子考虑了学习者在不同知识点掌握程度的相似性;平均分相似性因子则是考虑了学习者在该课程中,知识点的总体掌握程度;知识点难度系数修正因子减小了用于考查同一个知识点的不同题目存在难度上的差异。通过引入三个因子形成基于学习情况的相似度计算公式,在计算学习者之间的相似度时,能够考量学习者之间学习情况的相似性,使得筛选的邻居更加准确。
-
公开(公告)号:CN108920367A
公开(公告)日:2018-11-30
申请号:CN201810691685.7
申请日:2018-06-28
Applicant: 广东工业大学
IPC: G06F11/36
Abstract: 本申请实施例提供了一种数据结构可视化调试方法,通过生成与原单链结构对应的第一链表可视化界面,实时获取到在所述链表可视化界面进行数据结构调试的调试指令,最后根据所述调试指令进行对应的原单链结构的新建结点或删除结点或修改结点数据域或修改结点指针域处理得到新单链结构,并将第一链表可视化界面更新为与新单链结构对应的第二链表可视化界面,实现了程序调试过程中单链结构的可视化,进一步降低程序设计的调试成本。
-
公开(公告)号:CN118444917A
公开(公告)日:2024-08-06
申请号:CN202410380044.5
申请日:2024-03-29
Applicant: 广东工业大学
IPC: G06F8/41 , G06F21/14 , G06N3/0464 , G06N5/01 , G06F18/25 , G06N3/08 , G06F18/214
Abstract: 本发明公布了一种基于LGF‑Net的代码混淆有效性评估方法及系统,具体实现步骤如下:(1)首先获取数据集中每一个程序的源代码对应的已混淆代码和反混淆代码;然后从源代码、已混淆代码和反混淆代码中提取特征,得到第一特征集合;接着为第一特征集合赋予一个混淆效果等级,并将第一特征集合与其混淆效果等级表示为一个序偶;最后把所有的序偶构成一个代码混淆有效性评估数据集,称为第一数据集。(2)构建代码混淆有效性评估模型LGF‑Net:LGF‑Net通过局部特征模块进行特征选择和处理,通过全局特征模块进行特征融合。(3)使用第一数据集对LGF‑Net进行训练和测试,得到训练好的LGF‑Net。(4)运用训练好的LGF‑Net评估代码混淆算法,得到该算法的混淆效果等级。
-
公开(公告)号:CN108920367B
公开(公告)日:2022-02-15
申请号:CN201810691685.7
申请日:2018-06-28
Applicant: 广东工业大学
IPC: G06F11/36
Abstract: 本申请实施例提供了一种数据结构可视化调试方法,通过生成与原单链结构对应的第一链表可视化界面,实时获取到在所述链表可视化界面进行数据结构调试的调试指令,最后根据所述调试指令进行对应的原单链结构的新建结点或删除结点或修改结点数据域或修改结点指针域处理得到新单链结构,并将第一链表可视化界面更新为与新单链结构对应的第二链表可视化界面,实现了程序调试过程中单链结构的可视化,进一步降低程序设计的调试成本。
-
公开(公告)号:CN112434296A
公开(公告)日:2021-03-02
申请号:CN202011427433.7
申请日:2020-12-09
Applicant: 广东工业大学
Abstract: 本申请公开了一种安卓恶意应用的检测方法及装置,方法包括:首先通过提取全面的安卓应用行为特征,从而最大程度地表示良性应用与恶意应用的行为,并通过提取OpCode特征最大程度的减小混淆技术、变种技术对检测准确率的影响;接着采用元学习方法更新卷积神经网络模型的参数,构建小样本下恶意应用检测模型,实现基于少量样本就可以快速准确地检测安卓应用;同时还利用卷积神经网络的良好分类能力和元学习算法依据先前经验的学习能力,依据少量样本快速识别新出现的未知恶意应用,从而解决了现有技术检测成本非常大以及需要耗费大量的时间,而且无法对新出现的安卓恶意应用进行检测的技术问题。
-
公开(公告)号:CN118246012A
公开(公告)日:2024-06-25
申请号:CN202410380048.3
申请日:2024-03-29
Applicant: 广东工业大学
IPC: G06F21/56 , G06N3/0464 , G06N3/048 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80
Abstract: 本发明提出了一种基于EPM‑MCNET神经网络的安卓恶意软件检测方法及系统,主要解决现有轻量级神经网络直接应用于安卓恶意软件检测领域效果不理想的问题。具体实现步骤如下:(1)构建一个安卓软件RGB图像数据集D,D由若干个安卓软件RGB图像FI构成;(2)构建并训练基于EPM‑MCNET神经网络的安卓恶意软件检测模型;该模型包括将安卓软件可视化为RGB图像部分和EPM‑MCNET神经网络部分;(3)运用基于EPM‑MCNET神经网络的安卓恶意软件检测模型对安卓软件进行检测,判断该安卓软件是否为安卓恶意软件。
-
公开(公告)号:CN110633072B
公开(公告)日:2023-01-20
申请号:CN201910696000.2
申请日:2019-07-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种可供自动批改的编程训练题目构造方法及装置,所述的装置包括题目说明生成模块、测试框架模块、测试数据生成模块、标准答案模块、待批改答案模块以及输出结果比较模块。该方法可自动生成分批多次测试数据,包括随机测试数据和非随机测试数据;采用同一测试数据作为输入,分别调用标准答案模块和待批改答案模块来获得各自的输出结果并进行自动比较,实现了编程训练题的无需人工干预的自动批改;一方面避免了由于人工构造测试数据欠缺全面性和随机性的缺陷;另一方面无需出题者人工生成测试数据对应的输出结果,既避免了人工操作失误的可能性,也减轻了出题者的工作量,提高了出题效率。
-
公开(公告)号:CN110597705B
公开(公告)日:2023-01-20
申请号:CN201910695987.6
申请日:2019-07-30
Applicant: 广东工业大学
IPC: G06F11/36
Abstract: 本发明公开了一种可重复获取测试数据的程序调试方法及装置,所述发方法包括:进行一趟程序自动测试,保存与测试数据相关的参数,用于在下一趟程序测试时重新获取测试数据;如果受测试程序的返回值与预期不符,表明受测试程序的功能有异常,则进行程序的检查、修改和重新编译;否则程序测试过程结束;使用保存的测试数据相关参数重新获取上一趟测试过程中使用的测试数据,再进行下一趟程序测试。本方法解决了在多趟程序调试过程中,受测试程序可能经过修改和编译后,仍然需要重复使用测试数据进行程序调试的问题,能极大地减轻程序测试员的工作量,提高程序调试效率。
-
-
-
-
-
-
-
-
-