-
公开(公告)号：CN111144117B
公开(公告)日：2023-08-29
申请号：CN201911367778.5
申请日：2019-12-26
Applicant: 同济大学
IPC: G06F40/295 , G06F16/36
Abstract: 本发明提供一种知识图谱中文地址消除歧义方法，包括步骤：S1：从数据集中分割出实体数据和中文地址数据；选取中文地址数据并创建地址树；S2：将中文地址数据分为多个层级；S3：分析层级对应的地址元素，将层级对应的地址元素的匹配模式设置为模糊匹配，将其余设置为精确匹配；S4：将待分析数据集中的中文地址数据按照地址元素的匹配模式与当前地址树进行匹配；S5：对中文地址数据进行编码，并根据编码值大小顺序创建新的地址树。S6：S4中匹配失败的地址元素存储于栈结构中，后续匹配成功时补充至地址树。本发明的一种知识图谱中文地址消除歧义方法，适用于创建知识图谱前对中文地址类型的数据进行处理，可挖掘更多实体间的关系。
-
公开(公告)号：CN109829721B
公开(公告)日：2023-06-06
申请号：CN201910112493.0
申请日：2019-02-13
Applicant: 同济大学
IPC: G06Q20/40
Abstract: 基于异质网络表征学习的线上交易多主体行为建模方法，该建模方法包括步骤：步骤1，利用关联图谱将原始线上交易数据表示为异质网络，并利用异质网络表征学习对异质网络化的交易数据中缺失的信息进行数据补充，用于建立个体行为模型；步骤2，利用多主体行为建模，建立多个不同维度主体的行为模型，综合多个主体行为模型获得判别结果，预测交易异常的可能性。本发明可用于对线上交易检测欺诈交易、拦截欺诈交易和保护用户和企业的资金安全有更好的保障。
-
公开(公告)号：CN111105303B
公开(公告)日：2023-05-12
申请号：CN201911101580.2
申请日：2019-11-12
Applicant: 同济大学
IPC: G06Q40/03 , G06Q50/26 , G06F18/2431
Abstract: 一种基于增量式网络表征学习的网络借贷欺诈检测方法。本发明原理：用表征能力强大的异质信息网络的形式来分析现实世界借贷数据，将借贷数据以异质信息网络的形式建立一个关系借贷网络。从多类型异质的关系借贷网络中抽取特定关系，形成仅保留一种节点类型的同质借贷网络。针对每一批到达的借贷数据，依次更新关系借贷网络和同质借贷网络，并运用增量式的网络表征学习算法及时更新同质借贷网络中节点的向量表征，以期能够捕获数据之间的最新关联性。基于学习到的向量表征构造和与时序有关的新特征(如：单号与前n个发生的单号的关系)，结合分类器实现对借贷数据欺诈检测的二分类模型，进而实现对欺诈的检测与识别。
-
公开(公告)号：CN114740840A
公开(公告)日：2022-07-12
申请号：CN202210275504.9
申请日：2022-03-21
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于兽群觅食行为的群体机器人双环境区域覆盖方法，包括：建立区域覆盖场景，初始化算法参数；初始化其记录的待覆盖区域信息，更新待覆盖区域信息，获得候选点集合；若候选点集合不为空，则为每个候选点计算奖励函数，选择具有最大奖励的目标点为下一步目标位置并转至目标点判断步骤，若候选点集合为空则转到路径生成步骤；生成一条到距离最近的未覆盖目标点的路径，选择路径中的下一个目标点作为下一步目标位置；判断是否达到最大运行时间或已覆盖所有目标点，若是，则任务完成，否则在到达下一步目标位置后转到扫描环境步骤。本发明可同时应用于有边界环境与无边界环境的覆盖任务，突破了现有技术仅适用于单一环境的限制。
-
公开(公告)号：CN114625883A
公开(公告)日：2022-06-14
申请号：CN202210126690.X
申请日：2022-02-10
Applicant: 同济大学
Abstract: 本发明属于工业设备异常监测领域，提出了一种面向工业设备异常监测的时序数据与知识融合表征方法。其特征在于，包括如下步骤：步骤1.预处理；步骤2.构建“设备‑事件‑状态”多层关联图谱，并通过引入数据关联、时间关联、先验关联进行更新；步骤3.网络表征学习。解决了传统设备数据库专业性强、适应性弱的弊病，为工业互联网场景中数据的自动化处理提供了新的思路和解决方法。
-
Patent Agency Ranking
公开(公告)号：CN114386556A
公开(公告)日：2022-04-22
申请号：CN202111526695.3
申请日：2021-12-14
Applicant: 同济大学
Abstract: 本发明涉及一种基于禁忌搜索和粒子群算法的目标源定位与避障方法，该方法包括：建立表征目标源信号强度的适应度函数模型，将智能体视作粒子，初始化粒子群算法参数并清空禁忌列表；依据粒子的加权平均速度判断是否更新禁忌列表，结合禁忌搜索进行移动和避障；更新适应度值和全局、局部最优位置，并执行速度和位置更新策略；重复迭代直至智能体定位到目标源或满足迭代终止条件，最终智能体定位到最优目标源。与现有技术相比，本发明解决了智能体在没有环境先验知识的条件下，陷入障碍物中无法脱离的问题。
-
公开(公告)号：CN112766452A
公开(公告)日：2021-05-07
申请号：CN202110008263.7
申请日：2021-01-05
Applicant: 同济大学
Abstract: 本发明涉及一种双环境粒子群优化方法，具体为：S1、获取环境适应值，建立粒子优化模型；S2、初始化粒子群算法的预设参数，并随机初始化每个粒子的粒子初始参数；S3、计算当前迭代次数，获取每个粒子所处位置的适应值并排序，根据排序结果组成精英子群；S4、计算精英子群中个体的权重，根据得到的权重计算精英子群搜索中心；S5、通过粒子群算法更新每个粒子的速度和位置；S6、检测当前迭代次数大于预设参数中的最大迭代次数，若是则将当前粒子分布作为粒子优化模型的最优解决方案进行输出，同时输出粒子优化模型的信号源位置，若否则转至S3。与现有技术相比，本发明具有无需人工干预、搜索精细、自适应抗噪能力强、高鲁棒性等优点。
-
公开(公告)号：CN111429249A
公开(公告)日：2020-07-17
申请号：CN202010148123.5
申请日：2020-03-05
Applicant: 同济大学
Abstract: 本发明设计网络嵌入技术和互联网金融线上借贷反欺诈技术。基于网络嵌入技术的线上借贷反欺诈方法，分为3个部分，其特征在于：第一部分针对用户的历史数据建立原生的异质信息网络，包括对用户历史数据的处理，生成基于用户历史申请记录的原生网络；第二阶段针对用户的在线借贷申请信息进行网络嵌入，包括更新原生网络、提取衍生同质网络和同质网络嵌入学习；第三部分对用户的借贷申请进行欺诈预测，针对历史的有标签数据的建模和对在线的借贷申请进行批处理。针对实时的测试数据集，首先更新原生网络，从原生网络中，从中提取出衍生的同质网络，并进行网络嵌入学习，对嵌入学习后有标签的数据进行建模，并对测试集中无标签的数据进行欺诈检测。
-
公开(公告)号：CN111415167A
公开(公告)日：2020-07-14
申请号：CN202010102086.4
申请日：2020-02-19
Applicant: 同济大学
IPC: G06Q20/40
Abstract: 本发明公开了一种网络欺诈交易检测方法及装置、计算机存储介质和终端，其中方法包括：获取待检测交易的交易数据，对交易数据进行属性划分以获取上下文属性集和行为属性集，将上下文属性集作为泛化个体，将行为属性集作为原型交易；将泛化个体映射为多重上下文虚拟推荐系统的虚拟用户，将原型交易映射为多重上下文虚拟推荐系统的虚拟物品；基于多重上下文虚拟推荐系统的最终评分函数计算虚拟用户对虚拟物品的评分；虚拟用户对虚拟物品的评分判断待检测交易是否为欺诈交易。本发明解决了在线交易领域，由于个体历史数据稀缺、标签分布不均衡以及数据属性异构等原因导致的欺诈交易检测存在较大难度的问题。
-
公开(公告)号：CN111209317A
公开(公告)日：2020-05-29
申请号：CN202010044369.8
申请日：2020-01-15
Applicant: 同济大学
IPC: G06F16/2458 , G06F16/28 , G06Q50/00
Abstract: 本发明涉及一种知识图谱异常社区检测方法及装置，所述方法包括以下步骤：步骤一，根据应用场景及数据集，构建异质知识图谱；步骤二，从所述异质知识图谱提取一个仅有实体的同质网络；步骤三，对所述同质网络中的每一连通子图，使用网络嵌入技术获得各连通子图的节点距离向量；步骤四，基于所述节点距离向量对各连通子图进行聚类，生成社区；步骤五，根据每个社区内异常标签数据和正常标签数据的比例判断对应社区是否为异常社区。与现有技术相比，本发明具有准确性高、对标签数据依赖小等优点。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.029 seconds)
