-
公开(公告)号：CN113807422B
公开(公告)日：2024-05-31
申请号：CN202111042055.5
申请日：2021-09-07
Applicant: 南京邮电大学
IPC: G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F17/16
Abstract: 本发明提供了一种融合多特征信息的加权图卷积神经网络评分预测模型，建立加权图卷积神经网络用户模型，输出用户潜在特征向量矩阵；建立加权图卷积神经网络用户模型，输出项目潜在特征向量矩阵；将用户潜在特征向量矩阵和项目潜在特征向量矩阵进行连接后输入到评分预测模型多层感知机中，将得到的预测评分与实际评分对比，通过优化函数对评分预测模型多层感知机进行优化，更新函数。本发明通过计算用户与用户、项目与项目之间的属性相似度来利用用户和项目的辅助信息，同时考虑了用户的兴趣变化对评分信息进行修正，增强了用户和项目的特征表示，解决现有的推荐模型仅利用用户项目的交互信息而忽略了用户和项目的自身属性特征的缺点。
-
公开(公告)号：CN117437077A
公开(公告)日：2024-01-23
申请号：CN202310244500.9
申请日：2023-03-14
Applicant: 南京邮电大学
IPC: G06Q50/00 , G06F16/901 , G06N3/045 , G06N3/042
Abstract: 本发明提出一种基于双曲嵌入图神经网络的社交媒体谣言检测方法，包括：数据收集和预处理，得到待验证话题下的所有互动信息；利用Bert预训练模型生成每条互动信息对应的特征向量，构建该话题对应的特征矩阵；构建待验证话题所对应的传播树结构，得到该话题对应的邻接矩阵；将传播树结构嵌入双曲空间，得到每个节点的双曲坐标，计算每条互动信息之间的关联程度，得到该话题对应的关联矩阵；将该传播树所对应的三种属性矩阵作为谣言检测模型输入，通过基于双曲嵌入的图神经网络模型，最终得到该话题是谣言的概率。本发明可以对社交媒体上的各种话题判定其是否为谣言。
-
公开(公告)号：CN117359650A
公开(公告)日：2024-01-09
申请号：CN202311105198.5
申请日：2023-08-29
Applicant: 江苏建科土木工程技术有限公司 , 南京邮电大学 , 江苏建科工程设计有限公司
Abstract: 本发明提出了一种基于耦合加载机构的建筑缆索加载力主动控制方法，包括：步骤1、安装耦合加载机构；步骤2、建立耦合加载机构对斜拉桥攀爬机器人沿斜拉索轴向的阻尼力学模型Ft，并根据防打滑模型求解耦合加载机构的额定输出加载力F0、设置斜拉桥攀爬机器人的额定爬行速度V0；步骤3、实时测量斜拉桥攀爬机器人的实际爬行速度V1；步骤4、调整Ft的输出值。本发明在机器人爬行速度产生波动时，调节耦合加载机构的刚度与阻尼，进而调节输出加载力，维持稳定的摩擦力，使机器人保持稳定的爬升速度。
-
公开(公告)号：CN117174334A
公开(公告)日：2023-12-05
申请号：CN202310963803.6
申请日：2023-08-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种利用边渗流理论建立基于个体接触模式的SEIRD模型的方法。首先将现实生活中的个体接触模式视为不同的传播路径树，计算基于二项式分布函数的边渗流概率P*(p，n)。将边渗流融入SEIRD模型并研究渗透模式如何影响流行病的爆发阈值。传输过程中的关键因素中，如阻塞概率、传输路径数和配置模式，复杂的传输路径数将导致更大规模的感染，而通过阻塞概率可以有效抑制病毒传播。然后基于BA无标度网络，研究不同节点之间的时间关系以及网络结构对病毒传播的影响，用粒子群算法将真实数据与仿真数据进行参数拟合。实验结果证明了所提出模型的正确性和有效性，为控制流行病提供了理论依据和实践价值。
-
公开(公告)号：CN117112921A
公开(公告)日：2023-11-24
申请号：CN202310845815.9
申请日：2023-07-10
Applicant: 南京邮电大学
IPC: G06F16/9536 , G06F18/2113 , G06F18/23213 , G06N3/042 , G06N3/0464 , G06N3/088 , G06N3/048
Abstract: 本发明提供了一种图协同过滤推荐模型的预测方法，通过对交互特征进行筛选来过滤噪声，提高推荐结果的准确性，并且引入了节点级的原型对比学习任务来挖掘用户或项目之间的潜在特征，缓解协同过滤所面临的数据稀疏的问题。另外，通过重写超图卷积公式使得卷积过程只需要一次，避免了传统图协同过滤模型多次卷积所引起的特征平滑的问题，使得推荐系统模型的效率和性能都得到了提升。
-
Patent Agency Ranking
公开(公告)号：CN113821799A
公开(公告)日：2021-12-21
申请号：CN202111042100.7
申请日：2021-09-07
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于图卷积神经网络的恶意软件多标签分类方法，所述分类模型包括如下步骤：S100：函数调用图的特征提取，反汇编原始二进制文件，得到汇编码，提取函数调用图的语义及结构特征，得到样本的图嵌入向量；S200：多标签关系的特征提取，通过标签关系图，构建用于提取标签关系的模型，得到多标签分类器；S300：将所述图嵌入向量和所述多标签分类器进行点乘，并将点乘所得的结果进行结构映射，得到分类结果；S400：构建多标签损失函数，通过计算每个标签的分类结果和真实结果的差值，计算出所述分类模型的损失值。相对于现有技术，本发明对具有多种标签的恶意软件具有很好的多标签分类效果。
-
公开(公告)号：CN112818011A
公开(公告)日：2021-05-18
申请号：CN202110033537.8
申请日：2021-01-12
Applicant: 南京邮电大学
IPC: G06F16/2453 , G06N3/08
Abstract: 本发明涉及深度学习和谣言识别领域，特别涉及改进的TextCNN与TextRNN谣言识别方法，步骤1，通过BERT预训练模型将言论文本及其评论转化为句向量；步骤2，构建改进的TextCNN模型；步骤3，构建改进的TextRNN模型；步骤4，对步骤2和步骤3中两种模型的输出进行加权融合，最后判断是否谣言；TextCNN更利于深度挖掘消息文本的语义特征，而TextRNN在挖掘消息文本的时序特征上更好，将CNN模型与RNN模型相结合并且改进可实现更高效识别。
-
公开(公告)号：CN112269876A
公开(公告)日：2021-01-26
申请号：CN202011153557.0
申请日：2020-10-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的文本分类方法，通过限制信息流长度将位置不变性引入双向门控循环单元，弥补了循环神经网络在处理文本分类任务中对长序列文本建模的压力过大且可能忽略局部重要特征以及卷积神经网络不能捕获远距离上下文依赖关系的缺陷，从而可以得到有效的文本表示向量，并通过自注意力机制加大对重要特征的权重分配进一步优化文本表示。本发明能够有效提高各类分类任务的准确度。
-
公开(公告)号：CN108600575B
公开(公告)日：2020-09-11
申请号：CN201810495821.5
申请日：2018-05-22
Applicant: 南京邮电大学
Abstract: 一种基于不完全Feistel网络的RGB图像加密方法，包括以下步骤：S1、对RGB图像进行分层；S2、分别对提取出的R层图像、G层图像和B层图像进行二进制化表示；S3、分别对二进制化表示图像进行对应位比特值提取，得到24幅子图；S4、对子图进行分组，共得到6组子图集；S5、生成一个随机密钥，将一组子图集与一个随机密钥输入不完全Feistel网络进行加密运算，得到一组加密后的子图集，重复完成所有子图集加密；S6、将所有加密后的子图进行图像合并，得到经过加密的RGB图像。本发明仅凭较少的轮运算就能够达到高强度的加密效果，不仅有效地提升了加密效果，而且也充分地节约了计算资源。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.067 seconds)
