-
公开(公告)号：CN111415167B
公开(公告)日：2023-05-16
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：CN111178902B
公开(公告)日：2023-05-16
申请号：CN201911275482.0
申请日：2019-12-12
Applicant: 同济大学
IPC: G06Q30/018 , G06F18/214 , G06F18/2431
Abstract: 本发明涉及自动化特征工程技术和互联网金融网络支付的反欺诈检测。一种基于自动化特征工程的网络支付欺诈检测方法，分为两个部分，其特征在于：第一个部分是自动化特征构造部分，在在线网络支付原始特征的基础上，利用定制化特征构造树的自动化特征工程方法，获得所有新特征的构造过程集合；第二个部分是模型训练与欺诈检测部分，对于训练数据集，根据新特征向量的构造过程集合，构造出新特征，将所有特征和标签输入到机器学习模型进行训练，得到欺诈检测模型；对于实时测试数据集，同样根据新特征的构造过程集合，构造出新特征，将所有特征输入进欺诈检测模型进行欺诈预测。实现网络支付的异常检测。
-
公开(公告)号：CN110458576B
公开(公告)日：2022-12-20
申请号：CN201910698555.0
申请日：2019-07-31
Applicant: 同济大学
Abstract: 本发明公开了一种融合事前预测和事中检测的网络交易反欺诈方法，涉及网络交易反欺诈技术领，解决了传统网络交易欺诈检测只能在交易发生时才能检测，缺乏前瞻性，其技术方案要点是保留近期交易记录并更新交易记录；对最新完成的交易记录进行处理并通过事前风险预测模型进行预测输出风险值，锁定风险值高于设定风险阈值的账户；未被锁定的账户正在进行新的交易时，事中检测模型进行检测并输出检测标签；对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成，本发明的一种融合事前预测和事中检测的网络交易反欺诈方法，融合事前预测和事中检测，增加了对账户风险的提前预测，对阻止欺诈交易的发生有更好的保障。
-
公开(公告)号：CN113139586B
公开(公告)日：2022-09-23
申请号：CN202110348570.X
申请日：2021-03-31
Applicant: 同济大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明提供一种模型训练方法、设备异常诊断方法、电子设备及介质；其中，所述模型训练方法用于对设备异常诊断模型进行训练，包括：获取待诊断设备的获取待诊断设备的时序样本数据息；基于待诊断设备的关联图谱信息，提取与状态样本时序对应的关联状态样本时序；拼接待诊断设备的所述状态样本时序和所述关联状态样本时序，以获得拼接后的状态样本时序，利用所述拼接后的状态样本时序训练所述设备异常诊断模型，以提高了设备异常诊断模型的准确性。
-
公开(公告)号：CN112966803B
公开(公告)日：2022-06-07
申请号：CN202110145980.4
申请日：2021-02-02
Applicant: 同济大学
IPC: G06N3/00 , G06Q10/04 , G06F16/9536
Abstract: 本发明提出了一种基于粒子群算法的多智能体协同目标搜索方法，该方法引入粒子群算法进行虚拟领航，使用具有一定通信与感知能力的实体智能体代替粒子群算法中的虚拟粒子实现源定位搜索。首次在粒子群算法中考虑了粒子的移动距离与搜索时间，以此建立权重代价函数，根据粒子群每代产生的目标位置，通过局部搜索策略，为智能体规划代价最小的路径。据此，多智能体系统能够在不影响目标搜索精度的前提下，大幅降低能耗、增强续航、提升搜索效率。本发明是一个具有通用性的多智能体目标搜索方法，所基于的粒子群算法可以是任意的粒子群变体。
-
Patent Agency Ranking
公开(公告)号：CN113139586A
公开(公告)日：2021-07-20
申请号：CN202110348570.X
申请日：2021-03-31
Applicant: 同济大学
Abstract: 本发明提供一种模型训练方法、设备异常诊断方法、电子设备及介质；其中，所述模型训练方法用于对设备异常诊断模型进行训练，包括：获取待诊断设备的获取待诊断设备的时序样本数据息；基于待诊断设备的关联图谱信息，提取与状态样本时序对应的关联状态样本时序；拼接待诊断设备的所述状态样本时序和所述关联状态样本时序，以获得拼接后的状态样本时序，利用所述拼接后的状态样本时序训练所述设备异常诊断模型，以提高了设备异常诊断模型的准确性。
-
公开(公告)号：CN106897363B
公开(公告)日：2020-06-12
申请号：CN201710018396.6
申请日：2017-01-11
Applicant: 同济大学
IPC: G06F16/33 , G06F16/9535 , G06F40/289 , G06F3/01
Abstract: 基于眼动追踪的文本推荐方法，涉及文本推荐领域。根据已知语料库采用基于Gibbs Sampling的求解方法训练LDA主题模型，获得模型的参数矩阵；再计算新文本的主题分布和用户的历史阅读文本中词在主题中的客观分布情况；采集眼动追踪的用户在阅读时的主观行为数据，转换数据格式，选取合适的行为特征计算用户阅读过程中对文本中各个词的关注度；结合文本中词在主题中的客观分布情况和用户在阅读过程中对文本中各个词的关注度，计算用户在历史阅读文本中的兴趣主题分布；根据新文本的主题分布和用户在历史阅读文本中的兴趣主题分布，计算JS相似度；并根据用户在上一次的选项排序，反馈出用户的兴趣变化情况，再动态调节推荐列表。本发明提高了文本推荐的满意度。
-
公开(公告)号：CN111144117A
公开(公告)日：2020-05-12
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：CN111105303A
公开(公告)日：2020-05-05
申请号：CN201911101580.2
申请日：2019-11-12
Applicant: 同济大学
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：CN110458576A
公开(公告)日：2019-11-15
申请号：CN201910698555.0
申请日：2019-07-31
Applicant: 同济大学
Abstract: 本发明公开了一种融合事前预测和事中检测的网络交易反欺诈方法，涉及网络交易反欺诈技术领，解决了传统网络交易欺诈检测只能在交易发生时才能检测，缺乏前瞻性，其技术方案要点是保留近期交易记录并更新交易记录；对最新完成的交易记录进行处理并通过事前风险预测模型进行预测输出风险值，锁定风险值高于设定风险阈值的账户；未被锁定的账户正在进行新的交易时，事中检测模型进行检测并输出检测标签；对输入的交易记录进行判断，若为欺诈交易则终止交易并锁定账户；反之允许当前交易完成，本发明的一种融合事前预测和事中检测的网络交易反欺诈方法，融合事前预测和事中检测，增加了对账户风险的提前预测，对阻止欺诈交易的发生有更好的保障。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.03 seconds)
