-
公开(公告)号：CN114781553A
公开(公告)日：2022-07-22
申请号：CN202210695144.8
申请日：2022-06-20
Applicant: 浙江大学滨江研究院
IPC: G06K9/62 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于并行多图卷积神经网络的无监督专利聚类方法，在构建4类专利图和自编码器对专利数据的编码向量的基础上，通过图卷积操作以充分提取4类专利图和编码向量，以此全面提取专利数据的有效特征向量，通过并行单图自注意力模块每类特征向量分配权值，提高单图重要特征的重要程度以得到单图注意力向量，通过多图注意力模块融合所有类的单图注意力向量进行学习，以此为重要的单图分配更大的权重，使得得到的全局注意力向量综合了多方面特征信息，进而提升聚类的精度。
-
公开(公告)号：CN114637922A
公开(公告)日：2022-06-17
申请号：CN202210533805.7
申请日：2022-05-17
Applicant: 浙江大学滨江研究院
IPC: G06F16/9535 , G06F16/958 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开了一种基于神经网络集合操作的用户偏好推荐方法和装置，在获得正反馈交互序列和负反馈交互序列以及用户全局偏好信息的基础上，同时结合正反馈交互序列和负反馈交互序列对应的正反馈交互向量序列和负反馈交互向量序列，并采用集合操作获得正反馈偏好表示和负反馈偏好表示后，利用多层感知器对正反馈偏好表示和负反馈偏好表示以及用户全局偏好信息对应的用户全局偏好向量进行映射计算以获得用户综合偏好表示，最后通过计算用户综合偏好表示和候选交互项对应向量的相似度来评估推荐得分，依据推荐得分实现用户偏好推荐，这样能够提高用户偏好推荐的准确性。
-
公开(公告)号：CN111275079A
公开(公告)日：2020-06-12
申请号：CN202010034292.6
申请日：2020-01-13
Applicant: 浙江大学
Abstract: 本发明公开了一种基于图神经网络的众包标签推测方法及系统，包括以下步骤：(1)对众包标签进行数据处理，得到标注人员及任务的初始特征；(2)为标注人员的任务分配情况构建标注人员-任务异构图、标注人员同构图以及任务同构图；(3)将标注人员-任务异构图、标注人员同构图以及任务同构图输入到图神经网络中，获得任务节点的嵌入特征；(4)将获得的任务节点的嵌入特征输入到预测层中，得到任务属于各个标签的概率，概率最大的标签视为该任务的正确标签。本发明利用图神经网络实现高准确率的众包标签推测，将利于产生大量可用的机器学习训练数据，帮助人们训练算法模型并提高AI领域的竞争力。
-
公开(公告)号：CN119622827A
公开(公告)日：2025-03-14
申请号：CN202411618362.7
申请日：2024-11-13
Applicant: 浙江大学
Abstract: 本发明公开了一种基于质量证明的生成式模型区块链推理部署方法和系统，方法包括：将查询输入到生成式模型并输出响应；通过区块链中的多个质量评估员分别运行交叉编码器模型，基于查询‑响应对，对响应进行质量评估并输出多个利用私钥加密的质量评估分数；基于质量评估分数采用激励机制为各质量评估员赋予不同的奖励值；将高于预定阈值的质量评估分数利用公钥加密后写入共享文件，通过恢复共享文件中的所有质量评估分数并求取平均值作为响应的最终质量评估分数；基于最终质量评估分数优化生成式模型并完成部署。本发明提出的质量证明新范式能确保输出的可信度和降低计算开销，进一步提高了鲁棒性，以支持在区块链架构上部署任意大型生成式模型。
-
公开(公告)号：CN117894323A
公开(公告)日：2024-04-16
申请号：CN202410005991.6
申请日：2024-01-03
Applicant: 浙江大学
IPC: G10L19/018 , G10L19/02
Abstract: 本发明公开了一种基于扩散模型的语音水印注入及确权方法和系统，包括：获取原始语音音频并利用ID提取器提取原始语音音频中的第一水印信息；将原始语音音频转换为梅尔频谱图，利用扩散模型基于梅尔频谱图通过前向扩散添加噪声得到噪声数据，基于噪声数据通过后向扩散去噪实现水印注入，得到添加水印的生成语音音频；利用ID解码器对生成语音音频进行解码得到第二水印信息，比较第一水印信息与第二水印信息实现语音音频的确权。该方法和系统可以改进语音水印注入的鲁棒性和不可感知性。
-
Patent Agency Ranking
公开(公告)号：CN116257648A
公开(公告)日：2023-06-13
申请号：CN202310281834.3
申请日：2023-03-21
Applicant: 浙江大学滨江研究院
Abstract: 本发明公开了一种基于噪声网络和图像预处理的图像检索防御方法及系统，方法包括：对图像样本进行标注，构建训练数据集；以局部与全局特征深度正交融合为框架构建Efficient网络，并在其全连接层参数上添加噪声参数项，获得图像检索模型；将训练数据集中的图像样本进行JPEG压缩预处理后，输入至所述的图像检索模型中，对图像检索模型进行训练，获得具有主动防御能力的目标防御模型；将目标图像进行JPEG压缩预处理后，输入至所述的目标防御模型进行图像检索。本发明提高了图像检索模型的防御能力，同时在针对不同的数据集时，都能起到较好的防御效果。
-
公开(公告)号：CN114741369A
公开(公告)日：2022-07-12
申请号：CN202210456449.3
申请日：2022-04-28
Applicant: 浙江大学滨江研究院
IPC: G06F16/18 , G06F16/182 , G06N3/04 , G06N3/08
Abstract: 一种基于自注意力机制的图网络的系统日志检测方法，首先从系统的主日志文件中收集日志文本数据，以及系统硬件数据，建立标准的多序列数据源；建立时空图神经网络模型，基于标准多序列数据建立序列间图关系，以及序列内时序关系，训练最优参数；基于最优参数模型，将新的标准多序列数据进行模型推理，建立推理结果判别标准；基于推理结果，定位异常事件发生区域及异常发生时间，基于硬件数据进一步分析异常原因。本发明具有很好的稳定性，检测精度高。
-
公开(公告)号：CN119598433A
公开(公告)日：2025-03-11
申请号：CN202411593197.4
申请日：2024-11-08
Applicant: 浙江大学
Abstract: 本发明提供的基于权重叠加的大语言模型指纹添加方法，相比于现有技术而言，该方法以中毒实例为指纹，通过权重叠加，在无需重新微调下游模型的情况下，将指纹信息快速嵌入至大批量的大语言模型中，甚至能够在仅使用CPU的情况下完成嵌入，大幅提高了大语言模型进行文本处理任务的可扩展性和指纹嵌入效率；指纹嵌入可以避免恶意用户的指纹猜测行为也解决了微调模型所带来的复杂性问题；另外，指纹向量获取与下游模型之间解耦，引入的正则化数据对可以抵消指纹数据对的潜在不良影响，使得添加指纹向量后下游模型的性能不会下降甚至有所提升。本发明还提供了基于权重叠加的大语言模型指纹添加的设备，实现大语言模型指纹添加方法。
-
公开(公告)号：CN113486243B
公开(公告)日：2023-09-05
申请号：CN202110791106.8
申请日：2021-07-13
Applicant: 浙江大学
IPC: G06F16/9535 , G06N3/047 , G06N3/08 , G06N20/00 , G06Q50/00
Abstract: 本发明公开了一种社交网络假流量黑灰产自动挖掘方法和系统，包括：(1)创建“蜜罐”用户，在社交网络中对参与假流量攻击的恶意用户进行诱捕；(2)提取恶意用户的微博内容层面的特征；(3)提取恶意用户的个人信息层面的特征；(4)在社交网络中随机选取正常用户并分别提取微博内容层面和个人信息层面的特征；(5)运用机器学习算法，根据提取的特征训练分类器；(6)分别提取目标用户的微博内容层面和个人信息层面的特征，并运用训练好的分类器进行识别；(7)对于被识别为恶意用户的目标用户，基于规则对该用户所发的微博进行筛选，挖掘出涉及假流量黑灰产的微博。本发明的方法和系统可及时发现、预警和治理社交网络流量作弊事件。
-
公开(公告)号：CN111275079B
公开(公告)日：2023-07-04
申请号：CN202010034292.6
申请日：2020-01-13
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于图神经网络的众包标签推测方法及系统，包括以下步骤：(1)对众包标签进行数据处理，得到标注人员及任务的初始特征；(2)为标注人员的任务分配情况构建标注人员‑任务异构图、标注人员同构图以及任务同构图；(3)将标注人员‑任务异构图、标注人员同构图以及任务同构图输入到图神经网络中，获得任务节点的嵌入特征；(4)将获得的任务节点的嵌入特征输入到预测层中，得到任务属于各个标签的概率，概率最大的标签视为该任务的正确标签。本发明利用图神经网络实现高准确率的众包标签推测，将利于产生大量可用的机器学习训练数据，帮助人们训练算法模型并提高AI领域的竞争力。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.015 seconds)
