-
公开(公告)号：CN111091809A
公开(公告)日：2020-05-01
申请号：CN201911051663.5
申请日：2019-10-31
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明提供一种深度特征融合的地域性口音识别方法和装置，方法包括：提取待识别语音的瓶颈BN特征和滑动差分倒谱SDC特征；将瓶颈BN特征和滑动差分倒谱SDC特征输入预先训练后的支持向量机SVM分类器中，得到输出的待识别语音的语音类别。本发明采用多特征融合的语种识别系统，提取语音的深度特征，融合传统的SDC特征，输入SVM分类器，实现更鲁棒的语种识别功能，取得了对地域性方言普通话较好的分类效果。
-
公开(公告)号：CN111091809B
公开(公告)日：2023-05-23
申请号：CN201911051663.5
申请日：2019-10-31
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G10L15/00 , G10L15/02 , G10L15/08 , G06F18/2411 , G06F18/214 , G06F18/25
Abstract: 本发明提供一种深度特征融合的地域性口音识别方法和装置，方法包括：提取待识别语音的瓶颈BN特征和滑动差分倒谱SDC特征；将瓶颈BN特征和滑动差分倒谱SDC特征输入预先训练后的支持向量机SVM分类器中，得到输出的待识别语音的语音类别。本发明采用多特征融合的语种识别系统，提取语音的深度特征，融合传统的SDC特征，输入SVM分类器，实现更鲁棒的语种识别功能，取得了对地域性方言普通话较好的分类效果。
-
公开(公告)号：CN115915038A
公开(公告)日：2023-04-04
申请号：CN202110805859.X
申请日：2021-07-16
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于移动用户信令数据的跨城通勤用户识别方法及装置，包括：基于每一周期的白天时间段与夜间时间段，利用目标区域的移动用户信令数据获取该周期日工作用户与该周期日居住用户；依据该周期日工作用户的该周期夜间信令数据与该周期日居住用户的该周期白天信令数据，分别得到该周期夜间信令消失用户与该周期白天信令消失用户；利用全部移动用户在设定时间段内成为该周期夜间信令消失用户或该周期白天信令消失用户的次数，得到跨城通勤用户识别结果。本发明基于原始信令数据挖掘跨城通勤用户，采用Spark计算框架进行分析处理，具有高可靠性和高效率，可用于区域人口监管。
-
公开(公告)号：CN115700514A
公开(公告)日：2023-02-07
申请号：CN202110806905.8
申请日：2021-07-16
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F16/35 , G06F16/332 , G06F40/30 , G06F18/2411
Abstract: 本发明公开了一种结合BIGRU和多头注意的事件主体提取方法及装置，包括：把文本数据转化为文本输入序列X；利用BiGRU网络获取文本输入序列X对应的向量XB；基于文本输入序列X与向量XB进行多头注意力计算；依据注意力计算结果，获取事件主体提取结果。本发明使用BIGRU网络学习上下文语义特征，通过引入多头注意力机制捕获序列中的关键特征信息，提高了工作效率及准确性。
-
公开(公告)号：CN110930982A
公开(公告)日：2020-03-27
申请号：CN201911050896.3
申请日：2019-10-31
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
Abstract: 本发明提供一种多口音声学模型和多口音语音识别方法，所述多口音声学模型包括多个BLSTM层、多个Softmax输出层和一个门控单元，多个BLSTM层依次串接后与每一个Softmax输出层串接，门控单元位于所述多个BLSTM层中的其中两个相邻的BLSTM层之间。本发明对传统的普通话声学模型构造进行改进，针对需要识别的多种口音数据的类别数量，将传统的普通话声学模型中的Softmax输出层复制多份，每一个Softmax输出层为口音特定输出层，将输出层设计为口音特定的形式，即每种口音独享其对应的输出层；而门控单元对神经网络的BLSTM层的输出进行一种口音特定的调节，以使该模型更好地适用于多种口音。
-
Patent Agency Ranking
公开(公告)号：CN111708887B
公开(公告)日：2022-09-23
申请号：CN202010542354.4
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种自定义规则的多模型融合的不良呼叫识别方法，包括：构建规则策略模型：设置若干条规则，将多条规则通过逻辑运算符连接构成策略，并设置策略的模型融合方式，由所有策略构成规则策略模型；构建识别不良呼叫的卷积神经网络和基于不良呼叫投诉的BERT文本分类模型；根据策略包含的规则的计算式，为每条策略生成递归计算表达式，然后执行递归计算表达式以获得策略执行结果，同时，运行卷积神经网络和BERT文本分类模型以获得输出结果，最后根据每条策略的模型融合方式和执行结果、卷积神经网络和BERT文本分类模型的输出结果，计算得到不良呼叫识别结果。本发明属于信息技术领域，能将规则和隐性表征模型有效融合到不良呼叫识别技术中。
-
公开(公告)号：CN113765556A
公开(公告)日：2021-12-07
申请号：CN202111134795.1
申请日：2021-09-27
Applicant: 国家计算机网络与信息安全管理中心
IPC: H04B7/0456 , H04B7/0413 , H04B17/318 , H04L5/00 , H04L25/02 , H04W12/00
Abstract: 本公开提供一种数据传输方法、装置、电子设备及存储介质。该方法包括：接收合法用户发送的导频信号；根据所述导频信号进行信道估计，获得信道状态信息；对所述信道状态信息进行混合预编码，获得混合预编码矩阵；基于零空间的人工辅助噪声序列对所述信道状态信息进行预编码，获得人工噪声预编码矩阵；使用所述混合预编码矩阵和所述人工噪声预编码矩阵进行数据传输。该方法可以保证基站与合法用户间数据的安全传输。
-
公开(公告)号：CN113052270A
公开(公告)日：2021-06-29
申请号：CN202110503779.9
申请日：2021-05-10
Applicant: 清华大学 , 国家计算机网络与信息安全管理中心
Abstract: 本申请涉及一种分类精度评价方法、装置、计算机设备和存储介质。所述方法包括：获取有害语音样本集；将有害语音样本集中的每个有害语音样本输入待评价的有害语音分类模型中进行分类，得到预测类别标签；在预设的分类层级中，确定与预测类别标签和有害语音样本的样本类别标签对应的目标分类；根据目标分类计算待评价的有害语音分类模型的分类精确程度。本方案中，对有害语音样本进行了多层次的分类(即分类层级)，然后在分类层级中确定预测类别标签和样本类别标签共同所属的目标分类，目标分类可以反映预测类别标签和样本类别标签的匹配度，进而根据目标分类确定分类模型的分类精确程度，能够有效的提高分类模型评价的准确度。
-
公开(公告)号：CN111726460A
公开(公告)日：2020-09-29
申请号：CN202010542365.2
申请日：2020-06-15
Applicant: 国家计算机网络与信息安全管理中心 , 杭州东信北邮信息技术有限公司
Abstract: 一种基于时空图的诈骗号码识别方法，包括：由全量通话记录生成电信通联网络，并构建识别诈骗号码的时空图，使用Snapshot方法按时间间隔T、从图中连续截取出多张时空子图；基于用户在每张时空子图对应时间周期下的通话记录，计算每个用户在每张时空子图对应时间周期下的通话特征指标向量，同时，为每个用户从时空子图中提取和其有相同被叫的邻居用户；构建、并训练识别诈骗号码的时空图神经网络；将待识别目标用户和其所有邻居用户在所有时空子图中的通话特征指标向量输入时空图神经网络，并根据输出判断待识别目标用户号码是否是疑似诈骗号码。本发明属于信息技术领域，能动态的捕获到号码呼叫行为的变化，从而实现诈骗号码的精准识别。
-
公开(公告)号：CN109379327A
公开(公告)日：2019-02-22
申请号：CN201811009137.8
申请日：2018-08-30
Applicant: 国家计算机网络与信息安全管理中心 , 天津市国瑞数码安全系统股份有限公司
CPC classification number: H04L65/10 , H04L41/14 , H04L63/0227
Abstract: 本发明属于信息安全技术领域，具体而言，涉及一种基于多种特征的信令名单危害度分析方法，包括如下步骤：实时获取信令名单；结合信令名单配置策略，实时分析所述信令名单的危害度；对所述危害度进行组合型等级评定；根据得出的等级评定结果，标识所述信令名单的危害度并存档。本发明还提供了一种基于多种特征的信令名单危害度分析系统。本发明通过对信令名单实时进行多种危害度特征的分析，能够准确的对信令名单的危害度进行评定，具有节约人力、结果准确的特点。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.062 seconds)
