-
公开(公告)号：CN108763319A
公开(公告)日：2018-11-06
申请号：CN201810396753.7
申请日：2018-04-28
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: G06Q50/01 , G06N3/0454
Abstract: 本发明属于计算机技术领域，具体提供了一种融合用户行为和文本信息的社交机器人检测方法和系统。旨在解决现有技术手动选取特征、忽略社交媒体帖子之间的逻辑性和时序性以及忽略社交平台用户行为信息的问题，本发明的社交机器人的检测方法包括获取待检测社交媒体用户的历史网络数据和好友网络数据；基于上述数据得到用户文本特征向量、行为特征向量以及好友网络特征向量，并将其融合，得到待检测社交媒体用户的用户特征向量；对用户特征向量进行检测，输出检测结果。本发明的方法更加符合社交媒体自身的特性，从多个维度分析待检测社交媒体用户，提升了检测准确率。本发明的系统同样具有上述有益效果。
-
公开(公告)号：CN103106616A
公开(公告)日：2013-05-15
申请号：CN201310062057.X
申请日：2013-02-27
Applicant: 中国科学院自动化研究所
IPC: G06Q50/00
Abstract: 本发明涉及社会信息化传播网络中用户行为的数据挖掘，本发明具体公开了一种基于资源整合与信息传播特征的社区发现及演化方法，从而更加精确地定义用户社区，并发现有意义的社区演化模式。本发明针对现有社区发现与演化方法中网络资源整合度低和信息传播因素考虑较少等特点，提出了基于资源整合的社区发现方法，利用共享潜在特征的协同矩阵分解方法将用户行为和用户交互行为有机地结合到一起；并以信息传播理论为指导，纳入用户的好友影响为信息传播特征，基于一阶马尔科夫假设，采用机器学习方法完成社区演化模式的挖掘。实验表明这一方案能有效地提高用户社区的挖掘与演化质量。
-
公开(公告)号：CN119961531A
公开(公告)日：2025-05-09
申请号：CN202510449701.1
申请日：2025-04-11
Applicant: 中国科学院自动化研究所
IPC: G06F16/9537 , G06F16/951
Abstract: 本发明提供了一种卫星跨域信息确定方法，可以应用于航天航空技术领域。该方法包括：基于待测区域的区域位置信息，从搜索引擎包括的多个星下点中确定与待测区域相关的多个目标星下点；基于目标星下点的时间戳，及与目标星下点相关的卫星，将多个目标星下点划分为至少一个星下点序列；对星下点序列进行边界点校验，得到校验结果；以及基于至少一个星下点序列各自的校验结果，确定待测区域的卫星跨域信息，从而至少部分的解决了相关技术中存在的卫星跨域信息计算效率较低的技术问题，实现了在提升卫星跨域信息确定速度的同时，也保证了信息的准确度。
-
公开(公告)号：CN119961397A
公开(公告)日：2025-05-09
申请号：CN202411986301.6
申请日：2024-12-31
Applicant: 中国科学院自动化研究所 , 国家电网有限公司客户服务中心 , 国网浙江省电力有限公司营销服务中心 , 中国电力科学研究院有限公司
Abstract: 本发明提供一种电力客服对话模型训练方法、对话生成方法及相关装置，电力客服对话模型训练方法，该电力客服对话模型训练方法包括：从电力行业用户的的人格特征、用户人物属性和用户种子知识构建用户代理智能体，根据客服人物属性和客服种子知识构建客服代理智能体；对从电力行业客服的对话记录数据中提取出多个话题进行蒸馏提取出引导词；通过预训练大语言模型根据引导词驱动用户代理智能体与客服代理智能体进行多轮次对话交互，并将通过每个轮次对话交互生成的对话数据对对话生成模型进行迭代训练，得到电力客服对话模型。本发明所述方法提高了对话数据采集效率和质量，增强了对话模型的问答性能，提高了用户隐私的安全性。
-
公开(公告)号：CN114818733B
公开(公告)日：2025-01-03
申请号：CN202210555613.6
申请日：2022-05-20
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/253 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种媒体转引类型的识别方法、装置、电子设备及存储介质，属于自然语言处理领域。其中，该方法包括：将源媒体发布的源信息和转引媒体发布的转引信息输入预训练语言模型，分别得到源信息和转引信息的篇章表示向量以及句子表示向量；对源信息和转引信息的各句子表示向量进行双向交互式语义信息学习，得到双向的交互语义篇章表示向量；将基于预训练语言模型得到篇章表示向量和交互语义篇章表示向量进行融合，得到增强语义表示向量；根据所述增强语义表示向量进行媒体转引类型识别，得到媒体转引类型。通过本发明，实现了多层级、细粒度地增强篇章的语义表征能力，有效提升媒体转引类型的识别性能。
-
Patent Agency Ranking
公开(公告)号：CN119205115A
公开(公告)日：2024-12-27
申请号：CN202411186077.2
申请日：2024-08-27
Applicant: 中国科学院自动化研究所
IPC: G06Q20/40 , G06Q40/03 , G06F18/24 , G06F18/23 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于图神经网络的信用卡欺诈检测方法、装置及存储介质。该基于图神经网络的信用卡欺诈检测方法包括：获取待处理数据；将待处理数据输入至训练好的信用卡欺诈检测模型中，获得所述待处理数据的类别；所述信用卡欺诈检测模型用于将输入的数据分类为正常数据或欺诈数据，且所述信用卡欺诈检测模型是基于图神经网络和混合专家网络构成的。本发明提供的基于图神经网络的信用卡欺诈检测方法、装置及存储介质，基于图神经网络和混合专家网络训练得到的信用卡欺诈检测模型，能够更充分地学习到输入数据中的信息，从而获得更准确的检测结果。
-
公开(公告)号：CN116187443B
公开(公告)日：2024-05-24
申请号：CN202310149607.5
申请日：2023-02-10
Applicant: 中国科学院自动化研究所
IPC: G06N5/022
Abstract: 本发明涉及数据处理技术领域，尤其涉及一种基于多维符号动力学的因果强度检测方法和检测装置。其中，因果强度检测方法包括，首先根据时间序列构建相空间中的吸引子，然后针对吸引子中的每个元素点，基于曼哈顿距离计算方法计算元素点的最近邻点，计算每个最近邻点对应的第一模式，对每个元素点的所有最近邻点的第一模式进行平均处理，得到每个元素点的平均模式，根据平均模式得到每个元素点的真实平均模式和预测平均模式，根据真实平均模式和预测平均模式计算因果强度值。依据本发明的因果强度检测方法可以提高因果强度值的检测效率。
-
公开(公告)号：CN117313736A
公开(公告)日：2023-12-29
申请号：CN202310974595.X
申请日：2023-08-03
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/279 , G06F16/35 , G06F40/205 , G06F18/24 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种评论文本的隐式需求识别方法及装置，其中，该方法包括：获取评论文本；采用需求预测模型挖掘评论文本的第一隐式需求；对第一隐式需求重构得到具体表述的第二隐式需求；采用需求预测模型根据第二隐式需求和评论文本判别得到第一隐式需求所对应的具体需求层面及需求强度，其中，需求层面用于表征第一隐式需求的需求类型，需求强度用于表征第一隐式需求的强烈程度；输出评论文本的隐式需求识别结果，其中，隐式需求识别结果包括：第一隐式需求，需求层面，需求强度。通过本发明实施例，解决现有方法难以深层建模用户隐式需求，以及无法联合分析需求层级与强度的技术问题，实现从海量评论中对用户隐式需求进行自动深层次的挖掘。
-
公开(公告)号：CN116562299A
公开(公告)日：2023-08-08
申请号：CN202310143177.6
申请日：2023-02-08
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/211 , G06F40/295 , G06N3/0442
Abstract: 本发明提供一种文本信息的论元抽取方法、装置、设备及存储介质，方法包括：分析待处理的文本信息，得到文本信息对应的句法图；将句法图输入至预先设置的语义图生成模型中，得到语义图生成模型输出的文本信息对应的语义图；其中，语义图生成模型用于基于句法图中的向量特征构建语义图；将语义图和在文本信息中预先设置的触发词输入至预先设置的游走模型中，得到游走模型输出的目标路径和目标路径对应的论元抽取结果；其中，游走模型用于：以触发词对应的节点为起点，基于游走路径确定目标路径，并确定通过目标路径抽取的目标论元及其对应的类型，作为论元抽取结果。本发明实施例有效提高了模型的可解释性。
-
公开(公告)号：CN113627596A
公开(公告)日：2021-11-09
申请号：CN202110914090.5
申请日：2021-08-10
Applicant: 中国科学院自动化研究所 , 北京仿真中心
Abstract: 本发明属于多智能体系统的强化学习领域，具体涉及了一种基于动态图神经网络的多智能体对抗方法及系统，旨在解决现有基于图神经网络的多智能体模型训练速度慢、效率低以及图构建中需要较多人工干预的问题。本发明包括：获取每一个智能体的观测向量，并进行线性变换获得观测特征向量；计算相邻智能体之间的连接关系，构建智能体之间的图结构；结合观测特征向量对智能体之间的图结构进行嵌入表示；将嵌入表示用于动作网络的动作预测结果和评价网络的评价，进行网络时空并行训练；通过训练好的网络进行多智能体对抗中的动作预测和动作评价。本发明通过剪枝建立更真实的图关系，利用全连接神经网络加位置编码的实现时空并行训练，训练效率高、效果好。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.034 seconds)
