公开(公告)号：CN117609607A

公开(公告)日：2024-02-27

申请号：CN202311566755.3

申请日：2023-11-22

Applicant: 西安交通大学

Inventor： 朱海萍 ,  廖思霁 ,  田锋 ,  陈妍 ,  朱辉 ,  王茜莺 ,  武亚强 ,  李睿

IPC: G06F16/9535 ,  G06F16/335 ,  G06F16/35 ,  G06F16/36 ,  G06N3/045

Abstract: 本申请提出一种基于对比学习增强数据的学习资源推荐方法，相较于现有的学习资源推荐方法，本申请能够在序列预测任务之外，设计对比学习任务，使用自监督信号缓解数据稀疏问题，提升了学习资源的推荐性能。本申请提出的基于对比学习增强数据的学习资源推荐模型，考虑到学习资源固有的知识结构，使用课程学习资源知识图谱作为辅助信息，增强学习资源表示。使用相关用户和聚类中心增强用户表示，能够在用户交互较少的情况下学习到高质量的用户表示，有效建模用户偏好。使用多任务训练策略，能够将序列预测任务和对比学习任务进行联合优化，从而提升了学习资源推荐性能。

公开(公告)号：CN111159727B

公开(公告)日：2022-12-09

申请号：CN201911269984.2

申请日：2019-12-11

Applicant: 西安交通大学医学院第一附属医院 ,  西安电子科技大学

Inventor： 李昊 ,  王枫为 ,  朱辉 ,  李晖 ,  赵家奇 ,  寇笑语

IPC: G06F21/60 ,  G06F21/62

Abstract: 本发明属于信息安全技术领域，公开了一种安全多方贝叶斯分类器生成系统及方法，包括系统初始化，密钥分发中心生成系统安全参数、分布式数据加密密钥和聚合数据解密密钥；本地训练数据加密，并将加密之后的数据发送给模型生成方；模型生成方对收到的各密文训练数据进行聚合计算，生成密文全局训练数据，并使用聚合数据解密密钥对密文全局训练数据进行解密，获取贝叶斯分类器训练参数；贝叶斯分类模型生成方利用获取的贝叶斯训练参数计算相应的条件概率与前验概率，生成贝叶斯分类器。本发明可用于分布式场景中贝叶斯分类器的生成与训练，能够在确保模型生成方获取高精度贝叶斯分类器的同时，实现对多数据中心敏感数据的安全聚合与隐私保护。

公开(公告)号：CN111159727A

公开(公告)日：2020-05-15

申请号：CN201911269984.2

申请日：2019-12-11

Applicant: 西安交通大学医学院第一附属医院 ,  西安电子科技大学

Inventor： 李昊 ,  王枫为 ,  朱辉 ,  李晖 ,  赵家奇 ,  寇笑语

IPC: G06F21/60 ,  G06F21/62

Abstract: 本发明属于信息安全技术领域，公开了一种安全多方贝叶斯分类器生成系统及方法，包括系统初始化，密钥分发中心生成系统安全参数、分布式数据加密密钥和聚合数据解密密钥；本地训练数据加密，并将加密之后的数据发送给模型生成方；模型生成方对收到的各密文训练数据进行聚合计算，生成密文全局训练数据，并使用聚合数据解密密钥对密文全局训练数据进行解密，获取贝叶斯分类器训练参数；贝叶斯分类模型生成方利用获取的贝叶斯训练参数计算相应的条件概率与前验概率，生成贝叶斯分类器。本发明可用于分布式场景中贝叶斯分类器的生成与训练，能够在确保模型生成方获取高精度贝叶斯分类器的同时，实现对多数据中心敏感数据的安全聚合与隐私保护。