-
公开(公告)号：CN114048314A
公开(公告)日：2022-02-15
申请号：CN202111330766.2
申请日：2021-11-11
Applicant: 长沙理工大学
IPC: G06F16/35 , G06F40/284 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种自然语言隐写分析方法，包括以下步骤：步骤1.利用单词对相关度、单词与文本关联度，将数据集构建为一个以文本和单词为节点的异构图；步骤2.获取初始文本节点特征和初始单词节点特征；步骤3.基于图注意力神经网络获得蕴含隐写分析特征的节点表示向量；步骤4.将得到的最终待分析文本节点表示向量输入训练好的联合分类器，实现对隐写文本、正常生成文本和正常自然文本的判定。
-
公开(公告)号：CN111259140A
公开(公告)日：2020-06-09
申请号：CN202010030663.3
申请日：2020-01-13
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于LSTM多实体特征融合的虚假评论检测方法，包括以下步骤：步骤1，将评论按用户和产品分别进行分组，提取待检测评论基于产品实体的评论序列和基于用户实体的评论序列；步骤2，对每个实体中的评论进行向量化，使用卷积神经网络提取文本特征；步骤3，根据相关行为分析，对每个实体的每条评论的行为特征进行提取；步骤4，将每个实体中每条评论的文本特征与行为特征进行联合，对评论的时序联合特征进行再提取，得到待检测评论在各个实体中的特征向量表示形式；步骤5，融合待检测评论在不同实体中的特征向量，学习新的特征并构建分类器，进行虚假评论和正常评论的判定。
-
公开(公告)号：CN114462382B
公开(公告)日：2024-11-01
申请号：CN202210264113.7
申请日：2022-03-17
Applicant: 长沙理工大学
IPC: G06F21/60 , G06F40/205 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种多类自然语言隐写分析方法，包括以下步骤：步骤1.将隐写分析任务数据集表示为词向量矩阵；步骤2.文本的深度多任务隐写分析特征表示获取；步骤3.多任务隐写分析模型的训练；步骤4.使用最优多任务隐写分析模型对测试集文本进行隐写分析；其中，步骤1包括：1.1定义多个隐写分析任务，分别为：(1)生成式隐写文本与正常文本隐写分析任务；(2)生成式隐写文本与自然文本隐写分析任务；(3)嵌入式隐写文本与正常文本隐写分析任务；(4)嵌入式隐写文本与自然文本隐写分析任务；(5)正常文本和自然文本分类任务；1.2将每个隐写分析任务的数据集中的文本通过词向量矩阵进行表示。
-
公开(公告)号：CN113392334A
公开(公告)日：2021-09-14
申请号：CN202110733235.1
申请日：2021-06-29
Applicant: 长沙理工大学
Abstract: 一种冷启动环境下的虚假评论检测方法，包括以下步骤：步骤(1)特征提取；步骤(2)异构图构建；步骤(3)基于图卷积的共享特征学习；步骤(4)特征融合与分类。通过本发明能够对冷启动环境下的虚假评论进性较为准确的判别。
-
公开(公告)号：CN111581952A
公开(公告)日：2020-08-25
申请号：CN202010428651.6
申请日：2020-05-20
Applicant: 长沙理工大学
IPC: G06F40/247 , G06F40/242 , G06F40/30 , G06F16/31 , G06F16/901
Abstract: 本发明公开了一种用于自然语言信息隐藏的大规模可替换词词库构建方法，包括：步骤1，对于词典中的每个单词，对其进行计算以将其表示成低维稠密的词向量；步骤2，根据单词间的词向量距离，计算单词间的相似度，获取每个单词的相似词列表；步骤3，进行所有相似词之间的关联关系和相似程度的表示；步骤4，根据相似词之间的关联关系和相似程度构建候选可替换词词组。通过本发明，成功构建了一个大规模的候选可替换词词库，实现了对自然语言信息隐藏方法嵌入容量的提升，并通过候选可替换词的过滤提高了含密文本的质量，实现了秘密信息的安全性的提高。
-
Patent Agency Ranking
公开(公告)号：CN114048314B
公开(公告)日：2024-08-13
申请号：CN202111330766.2
申请日：2021-11-11
Applicant: 长沙理工大学
IPC: G06F16/35 , G06F40/284 , G06F40/216 , G06N3/0455 , G06N3/042 , G06N3/09
Abstract: 本发明公开了一种自然语言隐写分析方法，包括以下步骤：步骤1.利用单词对相关度、单词与文本关联度，将数据集构建为一个以文本和单词为节点的异构图；步骤2.获取初始文本节点特征和初始单词节点特征；步骤3.基于图注意力神经网络获得蕴含隐写分析特征的节点表示向量；步骤4.将得到的最终待分析文本节点表示向量输入训练好的联合分类器，实现对隐写文本、正常生成文本和正常自然文本的判定。
-
-
公开(公告)号：CN111259140B
公开(公告)日：2023-07-28
申请号：CN202010030663.3
申请日：2020-01-13
Applicant: 长沙理工大学
IPC: G06F16/35 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于LSTM多实体特征融合的虚假评论检测方法，包括以下步骤：步骤1，将评论按用户和产品分别进行分组，提取待检测评论基于产品实体的评论序列和基于用户实体的评论序列；步骤2，对每个实体中的评论进行向量化，使用卷积神经网络提取文本特征；步骤3，根据相关行为分析，对每个实体的每条评论的行为特征进行提取；步骤4，将每个实体中每条评论的文本特征与行为特征进行联合，对评论的时序联合特征进行再提取，得到待检测评论在各个实体中的特征向量表示形式；步骤5，融合待检测评论在不同实体中的特征向量，学习新的特征并构建分类器，进行虚假评论和正常评论的判定。
-
公开(公告)号：CN114462382A
公开(公告)日：2022-05-10
申请号：CN202210264113.7
申请日：2022-03-17
Applicant: 长沙理工大学
IPC: G06F40/205 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多类自然语言隐写分析方法，包括以下步骤：步骤1.将隐写分析任务数据集表示为词向量矩阵；步骤2.文本的深度多任务隐写分析特征表示获取；步骤3.多任务隐写分析模型的训练；步骤4.使用最优多任务隐写分析模型对测试集文本进行隐写分析；其中，步骤1包括：1.1定义多个隐写分析任务，分别为：(1)生成式隐写文本与正常文本隐写分析任务；(2)生成式隐写文本与自然文本隐写分析任务；(3)嵌入式隐写文本与正常文本隐写分析任务；(4)嵌入式隐写文本与自然文本隐写分析任务；(5)正常文本和自然文本分类任务；1.2将每个隐写分析任务的数据集中的文本通过词向量矩阵进行表示。
-
公开(公告)号：CN113657107A
公开(公告)日：2021-11-16
申请号：CN202110951492.2
申请日：2021-08-19
Applicant: 长沙理工大学
IPC: G06F40/284 , G06F21/60 , G06F40/237 , G06F40/274
Abstract: 本发明公开了一种基于序列到隐写序列的自然语言信息隐藏方法，包括以下步骤：步骤1.数据预处理；步骤2.语言编码；步骤3.信息隐写；其中步骤1利用语料库训练分布式词向量表示模型，获得词汇表中每个词的稠密低维词向量。步骤2利用双向LSTM网络和复制机制构建语言编码器。步骤3利用步骤2获得的语言编码器提取源文本的上下文信息，并使用基于多候选的动态隐写编码方法，根据秘密信息控制隐写器生成隐写摘要文本。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
