-
Patent Agency Ranking
公开(公告)号：CN115640486A
公开(公告)日：2023-01-24
申请号：CN202211365279.4
申请日：2022-11-03
Applicant: 暨南大学
IPC: G06F17/10 , G06F16/951 , G06F16/955 , G06Q10/06 , G06Q50/00 , G06Q30/02
Abstract: 本发明实施例公开了一种基于多源数据融合的网络新闻媒体影响力评估方法及装置，方法包括：收集账户信息，所述账户信息包括账户名和媒体平台账号；采集与账户信息相关的多源目标媒体信息，所述多源目标媒体信息包括粉丝数量、文章链接、传播数据；分别计算每一种类别的多源目标媒体信息对应的分项影响力，并根据所述分项影响力计算所述账户信息的综合影响力。实施例中基于网络社交媒体多个信源出发收集账户信息以及采集与账户信息相关的多源目标媒体信息，收集多个信源相关的信息，融合多源信息进行分析，有效避免了单一信源进行评估的局限性，评估结果全面、客观。
-
公开(公告)号：CN113918952B
公开(公告)日：2024-08-13
申请号：CN202111009625.0
申请日：2021-08-31
Applicant: 暨南大学
Abstract: 本发明公开了C或C++代码漏洞检测方法、系统、计算机及存储介质，方法包括：S1、将包括训练集和待检集的C或C++代码集合进行预处理，使得该C或C++代码集合转化为符号表示；S2、训练集的每一部分代码的符号表示根据代码自身属性打上标签，若代码存在漏洞，则标签置为1，否则置为0；S3、通过打上标签的训练集训练漏洞检测模型；S4、将已转化为符号表示的C或C++代码集合中的待检集作为输入，通过已完成训练的漏洞检测模型进行检测，并输出漏洞检测结果。本发明采用深度学习和自然语言处理结合的方式进行源代码漏洞检测，相比传统的静态分析方法，不需要人工专家手工定义匹配规则，显著降低漏洞误报率和漏报率。
-
公开(公告)号：CN113742482B
公开(公告)日：2024-05-31
申请号：CN202110813433.9
申请日：2021-07-19
Applicant: 暨南大学
IPC: G06F16/35 , G06F18/25 , G06F18/24 , G06F18/214
Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。
-
公开(公告)号：CN113918952A
公开(公告)日：2022-01-11
申请号：CN202111009625.0
申请日：2021-08-31
Applicant: 暨南大学
Abstract: 本发明公开了C或C++代码漏洞检测方法、系统、计算机及存储介质，方法包括：S1、将包括训练集和待检集的C或C++代码集合进行预处理，使得该C或C++代码集合转化为符号表示；S2、训练集的每一部分代码的符号表示根据代码自身属性打上标签，若代码存在漏洞，则标签置为1，否则置为0；S3、通过打上标签的训练集训练漏洞检测模型；S4、将已转化为符号表示的C或C++代码集合中的待检集作为输入，通过已完成训练的漏洞检测模型进行检测，并输出漏洞检测结果。本发明采用深度学习和自然语言处理结合的方式进行源代码漏洞检测，相比传统的静态分析方法，不需要人工专家手工定义匹配规则，显著降低漏洞误报率和漏报率。
-
公开(公告)号：CN113742482A
公开(公告)日：2021-12-03
申请号：CN202110813433.9
申请日：2021-07-19
Applicant: 暨南大学
Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
