-
公开(公告)号：CN115188039A
公开(公告)日：2022-10-14
申请号：CN202210586229.2
申请日：2022-05-27
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于图像频域信息的深度伪造视频技术溯源方法，对输入深度伪造视频进行抽帧；将抽出的图像利用RetinaFace人脸检测模型检测人脸图像，并进行人脸对齐和缩放；将裁出的人脸图像利用离散余弦傅里叶变换，裁剪算法和离散余弦傅里叶反变换获得其对应的高频频域特征；将原始人脸RGB信息和高频频域信息进行特征融合，得到融合特征；采用Xception作为主干网络进一步提取融合特征，得到对应的分类特征实现深度伪造视频技术溯源结果。本发明提高了对不同伪造技术的分类能力，提高了溯源准确率。
-
公开(公告)号：CN107992473B
公开(公告)日：2021-04-27
申请号：CN201711190871.4
申请日：2017-11-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F40/289 , G06F16/35
Abstract: 本发明涉及一种基于逐点互信息技术的诈骗信息特征词提取方法及系统，该提取方法包括：提取诈骗信息主题关键词，组成主题关键词集合；将信息组中的信息按是否为诈骗信息划分为正样本集合和负样本集合，并得到正样本分词集合、负样本候分词集合和候选关键词集合；根据候选关键词集合的候选关键词在信息组的正相互性PMI值和负相互性PMI值得到候选关键词在信息组的权重，将权重大于预设阈值的候选关键词记为信息组的合格关键词。本发明通过对信息组中的信息进行处理，得到候选关键词集合，计算候选关键词相对于信息的正相互性PMI值和负相互性PMI值，得到候选关键词的权重，由此判断是否为合格关键词，实现了对数据流式信息的关键词提取。
-
公开(公告)号：CN110134947B
公开(公告)日：2021-03-26
申请号：CN201910307654.1
申请日：2019-04-17
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明提出一种基于不平衡多源数据的情感分类方法，包括：获取来自多个数据源的训练数据，其中训练数据包含多条文本数据，每条文本数据具有情感类型标签和其对应的数据源；按数据源对训练数据进行分类，以集合每个数据源对应的文本数据作为第一数据集，根据每个第一数据集中各情感类型标签的数量，统计每个第一数据集中情感类型的标准差，选择标准差最小的第一数据作为预训练集，其余第一数据集作为后续训练集；以预训练集训练神经网络模型的权值直到损失函数收敛，输出神经网络模型作为预分类模型，以后续训练集继续训练预分类模型直到损失函数收敛，输出预分类模型作为最终分类模型；将待情感分类文本数据输入最终分类模型，得到其情感类型。
-
公开(公告)号：CN108959351A
公开(公告)日：2018-12-07
申请号：CN201810377825.3
申请日：2018-04-25
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/2785 , G06N3/0481
Abstract: 本发明属于自然语言处理技术领域，具体提供一种中文篇章关系的分类方法及装置。旨在解决传统管道系统方法中错误传递的问题。本发明的中文篇章关系的分类方法包括将中文篇章中的句子进行句对的分布式表示，得到第一句对分布式表示向量；计算记忆单元与第一句对分布式表示向量的相似度和权重，得到第一句对分布式表示向量的记忆信息；将第一句对分布式表示向量与记忆信息进行线性组合生成第二句对分布式表示向量；对第二句对分布式表示向量进行分类，得到中文篇章的关系分类结果。本发明的方法通过深度学习网络得到句子内部的语义和结构抽象特征，可以获得优越性能的篇章分类效果。
-
公开(公告)号：CN107992473A
公开(公告)日：2018-05-04
申请号：CN201711190871.4
申请日：2017-11-24
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于逐点互信息技术的诈骗信息特征词提取方法及系统，该提取方法包括：提取诈骗信息主题关键词，组成主题关键词集合；将信息组中的信息按是否为诈骗信息划分为正样本集合和负样本集合，并得到正样本分词集合、负样本候分词集合和候选关键词集合；根据候选关键词集合的候选关键词在信息组的正相互性PMI值和负相互性PMI值得到候选关键词在信息组的权重，将权重大于预设阈值的候选关键词记为信息组的合格关键词。本发明通过对信息组中的信息进行处理，得到候选关键词集合，计算候选关键词相对于信息的正相互性PMI值和负相互性PMI值，得到候选关键词的权重，由此判断是否为合格关键词，实现了对数据流式信息的关键词提取。
-
Patent Agency Ranking
公开(公告)号：CN117149949B
公开(公告)日：2024-12-17
申请号：CN202311059658.5
申请日：2023-08-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/33 , G06F16/335 , G06F16/35 , G06F18/23
Abstract: 本发明公开了一种融合多源信息的人名消歧方法及装置，所述方法包括：将所有文本划分为若干个类；基于同名作者对应的机构名称、文本共同作者和文本主题内容，分别对每一类文本进行聚类，以得到该类文本的机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果；基于簇内机构信息及文本的共现信息，对机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果进行融合，得到该类文本的初步聚类结果；提取初步聚类结果中的单簇文本，并基于所述单簇文本与该类文本中其他文本的相似度进行单簇文本的融合后，得到人名消歧结果。本发明可以实现了更好的消歧准确率。
-
公开(公告)号：CN117271765A
公开(公告)日：2023-12-22
申请号：CN202311059507.X
申请日：2023-08-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多语义特征融合的文本分类方法及装置，所述方法包括：获取待分类的文本，将所述待分类的文本进行预处理，得到处理后的文本；将词级粒度向量输入训练完毕的词级语义特征提取模型，得到词级语义特征；将句子级粒度向量输入训练完毕的句子级语义特征提取模型，得到句子级语义特征；基于文章级向量对所述处理后的文本进行特征提取，得到文本级语义特征；将所述词级语义特征、句子级语义特征以及文本级语义特征进行特征拼接融合，得到融合后特征，使用分类器对所述融合后特征进行分类。本方法从词粒度、句子粒度和文章粒度等多个层面对文本进行精细语义建模，利用文本的多语义融合特征进行文本分类，提高了文本分类的准确率。
-
公开(公告)号：CN117194773A
公开(公告)日：2023-12-08
申请号：CN202311061729.5
申请日：2023-08-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/9538 , G06F16/35 , G06F16/532
Abstract: 本发明公开了一种基于多模态特征的网站识别方法及装置，所述方法包括：获取处理后的网页信息；得到对应的网页文本特征；获取网页用户特征；获取网页资源信息特征；获取所述网页信息对应的网页图片快照，由网页图片处理模块对所述网页图片快照提取网页图片特征；将所述网页文本特征、网页用户特征、网页资源信息特征及网页图片特征进行特征融合，得到多模态融合特征，由多模态识别模型对所述多模态融合特征进行识别。本方法利用多模态识别模型对网站进行分类，有效提高了对不良网站识别的准确率。
-
公开(公告)号：CN117149949A
公开(公告)日：2023-12-01
申请号：CN202311059658.5
申请日：2023-08-22
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/33 , G06F16/335 , G06F16/35 , G06F18/23
Abstract: 本发明公开了一种融合多源信息的人名消歧方法及装置，所述方法包括：将所有文本划分为若干个类；基于同名作者对应的机构名称、文本共同作者和文本主题内容，分别对每一类文本进行聚类，以得到该类文本的机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果；基于簇内机构信息及文本的共现信息，对机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果进行融合，得到该类文本的初步聚类结果；提取初步聚类结果中的单簇文本，并基于所述单簇文本与该类文本中其他文本的相似度进行单簇文本的融合后，得到人名消歧结果。本发明可以实现了更好的消歧准确率。
-
公开(公告)号：CN112181613A
公开(公告)日：2021-01-05
申请号：CN202010943286.2
申请日：2020-09-09
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种异构资源分布式计算平台批量任务调度方法及存储介质，本发明在由几个计算中心组成的异构资源分布式计算集群中，将每个计算中心中的异构资源进行整合与分组，针对分布式计算平台中常见任务的需求，将这些资源合理地分配到预设的具有相应资源偏好的任务队列中。当有一批新任务提交时，根据用户提交的每个任务的相应特征以及各个中心的任务队列当前状态，分析全局最优解，为每个任务选择合适的队列。从而高效利用跨中心多集群中的异构资源，合理进行批量任务调度，解决现有技术中任务调度性能低、任务等待时间长的问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.082 seconds)
