-
公开(公告)号：CN113055372B
公开(公告)日：2022-07-01
申请号：CN202110255051.9
申请日：2021-03-09
Applicant: 重庆邮电大学
IPC: H04L9/40
Abstract: 本发明属于互联网应用技术领域，尤其涉及一种恶意软件的传播预测方法；所述方法包括获取数据库中用户节点及其交互数据，并提取出用户节点的传播属性；采用Doc2vec算法从用户节点传播内容组成的段落中学习出用户节点的用户行为特征向量；采用基于张量分解的向量化算法Tensor2vec从恶意软件传播网络中学习出用户节点网络结构特征向量；在图卷积神经网络中对恶意软件进行传播预测，并预测出恶意软件是否传播给用户节点和该恶意软件的传播趋势；本发明考虑到数据的稀疏性带来的计算精度不准的问题，采用张量分解的方法计算用户节点间的感染强度，并利用表示学习方法挖掘恶意软件传播空间特征信息，能有效进行恶意软件的传播预测。
-
公开(公告)号：CN117116468A
公开(公告)日：2023-11-24
申请号：CN202311060389.4
申请日：2023-08-22
Applicant: 重庆邮电大学
IPC: G16H50/20 , G10L25/03 , G10L25/24 , G10L25/27 , G10L25/66 , G06F18/241 , G06F18/213 , G06F18/10 , G06F18/25 , G06N20/00 , A61B5/16 , A61B5/00 , A61B5/372
Abstract: 本发明公开了一种基于EEG和语音信号的多模态融合抑郁症识别辅助决策系统，包括系统架构、用户管理模块、被试信息管理模块、数据可视化模块、数据预处理模块、多模态特征提取模块、EEG功能连接分析模块、抑郁症识别分类模块，统架构以Spring Boot+Vue.js为主，结合Java实现后端的数据处理、条件选择及提供接口服务，Spring Boot和MyBatis为后端服务的搭建和数据库操作，Vue用于前端页面的展示和交互以及实现前端用户采集信号及诊断结果展示和调用后端接口的功能，EEGLAB实现数据预处理，Python实现数据特征提取和分类识别模块。本发明涉及了跨领域的融合和应用，采用多种数据处理操作纯化数据来源，为抑郁症识别研究带来了新的视角和方法，从软件系统实用性的角度为抑郁症诊断提供了解决方案。
-
公开(公告)号：CN116467710A
公开(公告)日：2023-07-21
申请号：CN202310275519.X
申请日：2023-03-21
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种面向不平衡网络的恶意软件检测方法，包括：使用对抗生成网络对原始不平衡数据集进行数据增强，从而使得良性与恶意样本数量达到平衡；选取不同元路径构建异质网络挖掘各类实体信息；采用残差连接和恒等映射的方法提取节点的高阶隐藏信息，避免过平滑现象；基于自注意力机制对个元路径进行自适应加权聚合，获得最终嵌入表示，使用分类器进行分类操作；本发明考虑在现实生活中各类恶意软件的样本量少、难获取的问题，采用对抗生成网络进行数据增强操作，随后对其进行异质网络建模，利用高阶模型获取节点隐藏关系，再利用注意力机制进行元路径聚合，能够有效的对不平衡的软件数据集进行准确检测。
-
公开(公告)号：CN115375328A
公开(公告)日：2022-11-22
申请号：CN202211023091.1
申请日：2022-08-25
Applicant: 重庆邮电大学
Abstract: 本发明属于信息处理领域，尤其涉及一种基于邻域相似度和多类型交互的恶意信息溯源方法；所述方法包括获取社交网络平台中的用户相关数据和恶意信息相关数据，利用拓扑结构刻画用户节点的重要性，得到用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量；通过构建多类型的三元交互网络来利用表示学习挖掘隐性信息优化转移概率矩阵；利用用户节点的初始评分向量、传播路径的初始评分向量以及恶意信息的初始评分向量，循环迭代计算得到用户节点的最终评分向量，进而及时有效定位溯源到恶意信息的传播源用户；这样可以有针对性的对信息进行防御，从而提高了社交网络平台信息传播的准确性和可靠性。
-
公开(公告)号：CN115344863A
公开(公告)日：2022-11-15
申请号：CN202210996905.3
申请日：2022-08-19
Applicant: 重庆邮电大学
Abstract: 本发明属于网络与信息安全技术领域，具体涉及一种基于图神经网络的恶意软件快速检测方法，该方法包括：构建恶意软件检测模型，采用不同元结构挖掘软件节点中不同实体中的隐藏信息；捕获节点之间基于高阶内容的相关性，使用注意力机制，对元路径进行语义融合；采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合，提升检测速度；本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题，采用异质信息网络构建模型，并利用高阶图神经网络挖掘恶意软件的高阶特征信息，再利用相似度算法进行匹配，能够有效的进行恶意软件的快速检测。
-
Patent Agency Ranking
公开(公告)号：CN115311056A
公开(公告)日：2022-11-08
申请号：CN202211010389.9
申请日：2022-08-23
Applicant: 重庆邮电大学
IPC: G06Q30/06 , G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明属于商品推荐管理技术领域，具体涉及一种基于兴趣偏好的电商平台商品推荐方法；该方法包括：获取用户数据，对用户数据进行预处理；提取预处理后用户数据输入到基于兴趣偏好的电商平台商品推荐模型中，得到针对用户的商品推荐结果，电商平台根据商品推荐结果对用户进行商品推荐；本发明对显式反馈信息进行补偿，提取隐藏信息，融合显式反馈信息和隐藏信息使得本发明捕获用户对商品的兴趣偏好的结果更准确，刺激用户消费欲望，实用性高。
-
公开(公告)号：CN113744032B
公开(公告)日：2023-08-22
申请号：CN202111073041.X
申请日：2021-09-14
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06Q30/0203
Abstract: 本发明属于电商推荐领域，尤其是一种图书推荐的方法、相关装置、设备及存储介质；所述方法包括获取用户信息数据、图书信息数据和用户行为数据并预处理；计算得到用户图书兴趣度、用户活跃度和图书流行度；基于用户图书兴趣度来控制用户节点随机游走，得到用户节点的嵌入向量表示并进行相似度计算，将不同的书城平台中的用户节点对齐；利用对齐后的评分数据进行数据补偿；将用户活跃度和图书流行度作为灰色模型的相关因素，利用灰色模型对补偿后的评分数据矩阵处理，得到用户节点的评分预测序列，并推荐出排名靠前的图书。本发明能挖掘用户和图书间的隐藏信息并有效弥补数据稀疏的问题，将对齐后的用户进行信息融合，能够提供较为精确的推荐数据。
-
公开(公告)号：CN115439152A
公开(公告)日：2022-12-06
申请号：CN202211078033.9
申请日：2022-09-05
Applicant: 重庆邮电大学
Abstract: 本发明属于互联网应用技术领域，具体涉及一种商品转化率预测方法，包括：通过电商平台获取原始数据，并根据原始数据计算得到用户商品交互特征；将用户商品交互特征输入多任务商品预测模型对多任务商品预测模型进行训练；获取目标用户和目标商品的属性信息，并计算目标用户商品交互特征，将目标用户商品交互特征输入训练好的多任务商品预测模型预测得到目标用户对目标商品的预测转化率、目标用户对目标商品的预测点击转化率、目标用户对目标商品的预测延迟转化率，利用EM算法得到目标用户对目标商品的最终转化率，本发明能够准确的预测商品的转化率，根据最终转化率精确的向用户推荐商品，提高平台的成交量，节约用户的浏览时间。
-
公开(公告)号：CN113744032A
公开(公告)日：2021-12-03
申请号：CN202111073041.X
申请日：2021-09-14
Applicant: 重庆邮电大学
Abstract: 本发明属于电商推荐领域，尤其是一种图书推荐的方法、相关装置、设备及存储介质；所述方法包括获取用户信息数据、图书信息数据和用户行为数据并预处理；计算得到用户图书兴趣度、用户活跃度和图书流行度；基于用户图书兴趣度来控制用户节点随机游走，得到用户节点的嵌入向量表示并进行相似度计算，将不同的书城平台中的用户节点对齐；利用对齐后的评分数据进行数据补偿；将用户活跃度和图书流行度作为灰色模型的相关因素，利用灰色模型对补偿后的评分数据矩阵处理，得到用户节点的评分预测序列，并推荐出排名靠前的图书。本发明能挖掘用户和图书间的隐藏信息并有效弥补数据稀疏的问题，将对齐后的用户进行信息融合，能够提供较为精确的推荐数据。
-
公开(公告)号：CN113055372A
公开(公告)日：2021-06-29
申请号：CN202110255051.9
申请日：2021-03-09
Applicant: 重庆邮电大学
IPC: H04L29/06
Abstract: 本发明属于互联网应用技术领域，尤其涉及一种恶意软件的传播预测方法；所述方法包括获取数据库中用户节点及其交互数据，并提取出用户节点的传播属性；采用Doc2vec算法从用户节点传播内容组成的段落中学习出用户节点的用户行为特征向量；采用基于张量分解的向量化算法Tensor2vec从恶意软件传播网络中学习出用户节点网络结构特征向量；在图卷积神经网络中对恶意软件进行传播预测，并预测出恶意软件是否传播给用户节点和该恶意软件的传播趋势；本发明考虑到数据的稀疏性带来的计算精度不准的问题，采用张量分解的方法计算用户节点间的感染强度，并利用表示学习方法挖掘恶意软件传播空间特征信息，能有效进行恶意软件的传播预测。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
