-
公开(公告)号：CN114625978B
公开(公告)日：2024-11-08
申请号：CN202011454130.4
申请日：2020-12-10
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: G06F18/22 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06F16/9536 , G06Q50/00
Abstract: 本发明提供一种基于类型感知的异质网络用户锚链接预测方法及电子装置，包括收集待检测网络和目标网络的网络信息，构建待检测异质网络和目标异质网络；获取每一节点各维度的初始特征向量，得到每个节点的初始特征向量表示；将初始特征向量表示输入基于自注意力图神经网络进行学习，计算各节点的类型感知向量和类型融合向量；通过待检测异质网络和目标异质网络中各节点对之间属于同一类型的类型感知向量及类型融合向量的相似度，判断待检测网络和目标网络是否为锚链接。本发明采用注意力机制捕获节点与类型信息之间影响，利用图注意力网络学习类型感知向量和类型融合向量，解决异质网络中对多种类型信息建模的问题，取得较好的锚链接预测效果。
-
公开(公告)号：CN115269833B
公开(公告)日：2024-08-16
申请号：CN202210760202.0
申请日：2022-06-29
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 , G06F40/194 , G06F18/23213 , G06F18/24 , G06F18/25
Abstract: 本发明公开一种基于深度语义和多任务学习的事件信息抽取方法及系统，属于文本信息抽取领域。为克服现有事件信息抽取技术准确率、召回率低等不足，本发明主要利用预训练语言模型通过对文章在篇章级、语段级、语句级、词语级等粒度上分别进行向量表示，通过依次进行事件分类、事件论元抽取、关键词抽取获得事件的主要信息。本发明在事件分类、事件论元抽取、关键词抽取三方面达到了非常高的准确率。
-
公开(公告)号：CN118332101A
公开(公告)日：2024-07-12
申请号：CN202410400400.5
申请日：2024-04-03
Applicant: 中国科学院信息工程研究所
IPC: G06F16/34 , G06F40/30 , G06N3/0442 , G06N3/08 , G06F16/35
Abstract: 本发明属于文本信息抽取领域，涉及一种基于分层迭代的长文本抽取式摘要生成方法和装置。该方法包括：获取文本中字符的词向量、位置向量以及结构子标题向量，将其相加作为语义编码的输入，采用长文本预训练语言模型作为语义编码器，进行语义编码；将语义编码之后的向量送入各个层级编码器中，将语义信息沿着文本结构路线由句子层级至文档层级进行分层传递，然后从文档层级至句子层级再次进行分层传递，实现迭代更新，得到各个层级的隐层表示；通过融合各个层级的隐层表示全面地对每个句子进行评价，选出最优的摘要句。本发明能够克服现有抽取式摘要面向长文本时计算资源消耗大，存在语义损失以及长文本结构建模缺失的问题。
-
公开(公告)号：CN116886327A
公开(公告)日：2023-10-13
申请号：CN202310469489.6
申请日：2023-04-27
Applicant: 中国科学院信息工程研究所
IPC: H04L9/40 , H04L61/4511
Abstract: 本发明公开了一种基于异质图自监督学习的恶意域名检测方法和系统。所述方法包括：将DNS场景建模为一个原始异质图；其中，所述原始异质图中的节点包括：域名、客户端和IP地址；在数据层面上引入轻微的扰动来生成所述原始异质图的轻微扰动图；根据域名级的对比损失和图级的相似性损失，获取所述原始异质图中域名的节点表示；其中，所述域名级的对比损失是对原始异质图和轻微扰动图中域名的节点表示进行相似性对比得到，所述图级的相似性损失是对原始异质图和轻微扰动图的图嵌入表示进行相似性对比得到；基于所述原始异质图中域名的节点表示，得到所述DNS场景的恶意域名检测结果。本发明可以在域名标签稀疏的困境下解决恶意域名模型过拟合的问题。
-
Patent Agency Ranking
公开(公告)号：CN110879856B
公开(公告)日：2022-08-05
申请号：CN201911180128.X
申请日：2019-11-27
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: G06F16/901 , G06F16/906 , G06F16/909 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于多特征融合的社交群体分类方法及系统。本方法为：1)对一目标社交群体的数据集，对该数据集中各用户的轨迹数据进行预处理，去除噪声并对缺失位置信息进行插值；2)使用频繁序列挖掘算法从各用户轨迹数据中挖掘对应用户的轨迹模式，再将用户的轨迹模式看作时序序列，采用LSTM对该时间序列进行编码，得到用户的轨迹编码；3)根据所述社交关系生成一图网络，将所述社交关系投影到低维空间，学习得到各用户的嵌入表示；4)将每一用户的轨迹编码和对应用户的嵌入表示结合输入softmax层，确定各用户的类别，实现对该目标社交群体的分类。本发明大大提升了群体分类的精度。
-
公开(公告)号：CN111581368A
公开(公告)日：2020-08-25
申请号：CN201910121716.X
申请日：2019-02-19
Applicant: 中国科学院信息工程研究所
IPC: G06F16/335 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的面向智能专家推荐的用户画像方法。本方法为：1)利用选定的专家个人信息，获取一专家信息数据集；2)对该专家信息数据集中的每一条专家信息处理为一个由词语序列构建而成的句子；3)将使用词向量对步骤2)处理后的专家信息进行文本表示；4)将专家信息对应的词向量训练卷积神经网络；5)根据待构建画像专家的文本信息生成该待构建画像专家的词向量，利用训练后的卷积神经网络对该待构建画像专家的词向量进行分类，生成该待构建画像专家的用户画像。本发明勾画用户画像准确性高。
-
公开(公告)号：CN109766432A
公开(公告)日：2019-05-17
申请号：CN201810765723.9
申请日：2018-07-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于生成对抗网络的中文摘要生成方法和装置。该方法包括：1)通过对给定的中文数据集进行预处理操作形成训练集；2)构建基于生成对抗网络的中文摘要生成模型，并使用训练集对中文摘要生成模型进行训练；3)将待生成摘要的中文文本输入到训练完毕的中文摘要生成模型，得到对应的摘要。本发明使用判别器最小化误差来代替最大生成摘要概率的框架；特别设计了由3个LSTMs组成的判别器，能够更好地捕获特征，辅助分类效果；提出使用以字为单位结合上下文，能够有效提升文本摘要的效率。本发明能够对大规模中文文本进行摘要的自动生成，生成的摘要更自然、连贯，具有可读性。
-
公开(公告)号：CN103955505B
公开(公告)日：2017-09-26
申请号：CN201410168703.5
申请日：2014-04-24
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
Abstract: 本发明涉及一种基于微博的事件实时监测方法及系统，所述方法包括：异常事件检测步骤，输入事件关键词，统计与事件关键词相关的微博数量，采用波峰识别方法将统计的微博数量以曲线图展示，将曲线图中的波峰时间作为事件的异常时间点，将存在异常时间点的事件作为异常事件；地理位置定位步骤，在与异常事件相关的微博文本内容中，抽取出地理位置实体，并采用聚类方法从抽取的地理位置实体中筛选出异常事件发生的地理位置。此外，还包括有相关事件推荐步骤和/或事件相关度分析步骤。本发明对用户所关心的事件进行实时监测，监控该事件在微博平台上的传播和发展趋势，能精准地挖掘出事件发生的异常时间点和地理位置，并推荐给用户其感兴趣的话题。
-
公开(公告)号：CN103955505A
公开(公告)日：2014-07-30
申请号：CN201410168703.5
申请日：2014-04-24
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30616 , G06F17/30702
Abstract: 本发明涉及一种基于微博的事件实时监测方法及系统，所述方法包括：异常事件检测步骤，输入事件关键词，统计与事件关键词相关的微博数量，采用波峰识别方法将统计的微博数量以曲线图展示，将曲线图中的波峰时间作为事件的异常时间点，将存在异常时间点的事件作为异常事件；地理位置定位步骤，在与异常事件相关的微博文本内容中，抽取出地理位置实体，并采用聚类方法从抽取的地理位置实体中筛选出异常事件发生的地理位置。此外，还包括有相关事件推荐步骤和/或事件相关度分析步骤。本发明对用户所关心的事件进行实时监测，监控该事件在微博平台上的传播和发展趋势，能精准地挖掘出事件发生的异常时间点和地理位置，并推荐给用户其感兴趣的话题。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.033 seconds)
