公开(公告)号：CN115757792A

公开(公告)日：2023-03-07

申请号：CN202211504882.6

申请日：2022-11-29

Applicant: 湖南大学

Inventor： 陈藜文 ,  肖正

IPC: G06F16/35 ,  G06F40/216 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明提供了一种基于深度学习的微博文本情感分类方法，包括获取微博源文本，对文本进行预处理，同时输入到GloVe预训练模型和BERT预训练模型中生成对应的词向量输入SenticNet情感词典中，获得情感极性值，将生成的词向量进行堆叠嵌入同时输入到CNN和BiGRU中，输出局部特征向量和全局特征向量，并与情感维度分布向量进行拼接输入到全连接层，利用Softmax函数进行分类，将获得情感极性值均值化处理，通过设定的阈值判定情感倾向，解决传统情感分类模型特征提取能力欠佳，无法处理一词多义、讽刺语义等问题，提升对文本情感分类的效果。

公开(公告)号：CN110572413A

公开(公告)日：2019-12-13

申请号：CN201910920718.5

申请日：2019-09-27

Applicant: 湖南大学

Inventor： 汤澹 ,  陈藜文 ,  施玮 ,  严裕东 ,  张斯琦 ,  王曦茵 ,  满坚平

IPC: H04L29/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Elman神经网络的低速率拒绝服务(LDoS)攻击检测方法，属于网络安全领域。其中所述方法包括：获取网络中经过关键路由器的数据报文形成样本原始值，以固定时间将样本原始值划分为多个检测窗口，以检测窗口为单位进行检测，对该检测窗口内数据报文进行原始数据分析，根据分析数据报文的波动特征和形态变化，提取方差、标准差、极差和平均值四个特征值；根据提取的特征值，添加两类标签区分发生LDoS攻击和未发生LDoS攻击两种类别，采用Elman神经网络，进行训练分类；输入待检测数据到训练好的Elman神经网络进行检测。依据神经网络输出结果与标签对比判定，判断该检测窗口内是否发生LDoS攻击。本发明提出的基于Elman神经网络的检测方法能高效、快速、自适应地检测LDoS攻击。