公开(公告)号：CN112000818B

公开(公告)日：2023-05-12

申请号：CN202010663328.7

申请日：2020-07-10

Applicant: 中国科学院信息工程研究所

Inventor： 于静 ,  郭晶晶 ,  胡玥 ,  谭建龙 ,  郭莉

IPC: G06F16/432 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种面向文本和图像的跨媒体检索方法及电子装置，提取一设定长度语音信息的g维MFCC特征，并将长度为m的g维MFCC特征转换为一维语音特征；对一设定文本进行编码，获取词级别文本表示，并将词级别文本表示中每一个词与一维语音特征进行拼接，得到语音引导文本特征；提取每一图片的区域特征，计算区域特征与语音引导文本特征的相似性分数，判断该图片是否包含设定语音信息及设定文本信息，得到检索结果。本发明利用语音信息的停顿信息，以及语音信息与图像和文本间的关联关系来提升图像‑文本匹配任务的性能，建模了融合语音信息的文本特征表示，引入基于局部注意力机制的细粒度特征融合方式进行跨模态特征融合，提升图文匹配效果。

公开(公告)号：CN115587180A

公开(公告)日：2023-01-10

申请号：CN202211111245.2

申请日：2022-09-13

Applicant: 中国科学院信息工程研究所

Inventor： 胡玥 ,  翁金塔 ,  严基杰 ,  林锦天 ,  谢玉强

IPC: G06F16/35 ,  G06N3/094 ,  G06F16/36 ,  G06F40/289 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0464

Abstract: 本发明涉及一种基于对抗学习的鲁棒性教学知识点识别方法与装置。本发明对三个方面进行改进：1)数据制作：通过对计算机网络的电子教材数据进行处理并总结归纳，构建出一套计算机网络科目的知识点识别数据集，作为模型的输入；2)模型改进：在ALBERT与TextCNN结合模型的基础上进行了模型结构的改动，在ALBERT的隐藏层输出中结合了输入句子中实体的信息，提高了模型捕捉实体信息的能力；3)方法改进：对模型的训练过程进行了新的改进，添加了对抗训练，有效地提高了模型的泛化能力与鲁棒性。本发明将ALBERT与TextCNN的结合模型运用于知识点识别任务中，并对模型结构与训练方法进行改进，能够有效地进行教学知识点的自动识别。

公开(公告)号：CN110300016B

公开(公告)日：2020-12-04

申请号：CN201910397763.7

申请日：2019-05-14

Applicant: 中国科学院信息工程研究所

Inventor： 周川 ,  胡玥 ,  谭建龙 ,  郭莉

IPC: H04L12/24

Abstract: 本发明提供一种基于差分预解集的网络信息扩散源头推断方法，属于信息技术处理领域，用G＝(V，E)表示网络节点之间的连接关系，其中V表示网络节点集，E表示网络边集，从中选取差分预解集S，建立扩散源特征，收集级联信息，判断指标集合的模|Ic|的大小，如果大于预设值，则提取级联C的特征向量，对每个节点v∈V的扩散源特征进行调整，对所有的节点v∈V逐一计算范数，找到范数最小的那个节点推断为源头。本方法能够主动地对数据来源进行优化选取，提高输入数据的质量，大幅提升源头推断的精度。

公开(公告)号：CN110363282A

公开(公告)日：2019-10-22

申请号：CN201910489364.3

申请日：2019-06-06

Applicant: 中国科学院信息工程研究所

Inventor： 昝文 ,  周川 ,  胡玥 ,  郭莉

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于图卷积网络的网络节点标签主动学习方法和系统。该方法包括：1)根据当前带标签节点集合L，采用图卷积网络GCN预测本轮迭代中各节点的标签；2)根据GCN的分类效果更新待标注节点的查询策略，根据查询策略获得相应的待标注节点；3)将根据查询策略得到的待标注节点进行集成，从本轮迭代中的不带标签节点集合U中选出最优的待标注节点进行标注，并加入带标签节点集合L中；4)迭代进行步骤1)～3)，直到标注的节点数目达到预先设置的目标数目。所述查询策略包括标签覆盖率查询策略、信息熵查询策略、节点中心性查询策略、信息密度查询策略。本发明能够改善和解决图卷积网络当带标签节点过少时参数更新困难的问题。

公开(公告)号：CN110300016A

公开(公告)日：2019-10-01

申请号：CN201910397763.7

申请日：2019-05-14

Applicant: 中国科学院信息工程研究所

Inventor： 周川 ,  胡玥 ,  谭建龙 ,  郭莉

IPC: H04L12/24

Abstract: 本发明提供一种基于差分预解集的网络信息扩散源头推断方法，属于信息技术处理领域，用G＝(V，E)表示网络节点之间的连接关系，其中V表示网络节点集，E表示网络边集，从中选取差分预解集S，建立扩散源特征，收集级联信息，判断指标集合的模|Ic|的大小，如果大于预设值，则提取级联C的特征向量，对每个节点v∈V的扩散源特征进行调整，对所有的节点v∈V逐一计算范数，找到范数最小的那个节点推断为源头。本方法能够主动地对数据来源进行优化选取，提高输入数据的质量，大幅提升源头推断的精度。

公开(公告)号：CN110233938A

公开(公告)日：2019-09-13

申请号：CN201910398052.1

申请日：2019-05-14

Applicant: 中国科学院信息工程研究所

Inventor： 周川 ,  高扬 ,  胡玥 ,  谭建龙 ,  郭莉

IPC: H04M3/22 ,  H04W12/12

Abstract: 本发明提出一种基于可疑性度量的团伙诈骗电话识别方法，采用无监督的方式，利用电话号码之间的呼叫记录信息，为每个电话号码定义可疑性度量，采用风险等级量化的方式识别团伙诈骗电话。本方法不需引入用户的主观标记结果，不仅能避免主观判断带来的缺陷，还能在较短时间内完成模型训练与线上使用，为用户遭受团体诈骗提供了一种简单、实用的识别方法，有效地缓解了滞后性所带来的问题。

公开(公告)号：CN105468681B

公开(公告)日：2018-11-23

申请号：CN201510783824.5

申请日：2015-11-16

Applicant: 中国科学院信息工程研究所

Inventor： 姚启鹏 ,  周川 ,  张鹏 ,  胡玥 ,  郭莉

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明涉及一种基于话题模型的网络负面信息影响最小化方法，包括如下步骤：1)采用有向图表示社交网络中信息的传播，通过话题模型分别计算负面信息的概率分布和每条边上的历史信息的概率分布；2)分别计算负面信息的概率分布和每条边上的历史信息的概率分布的距离，即KL散度d(w,i)，其中d表示KL散度的计算结果，w表示历史信息的话题分布，i表示负面信息的话题分布；3)计算和其中b(w)和o(w)分别为中心度和出度入度算法的计算结果，然后从大到小排序，并去掉前k个节点，使负面信息的传播范围最小。本发明对于恶意信息已经爆发的社交网络能进行有效地控制，使负面信息的影响范围大大降低。

公开(公告)号：CN104008150B

公开(公告)日：2017-07-07

申请号：CN201410213602.5

申请日：2014-05-20

Applicant: 中国科学院信息工程研究所

Inventor： 于延宇 ,  胡玥 ,  李歌 ,  李丹

IPC: G06F17/30 ,  G06Q10/04

Abstract: 本发明涉及一种对社交网络信息传播趋势预测的方法及系统，包括获取社交网络中的信息数据和用户数据，利用用户数据计算出用户类别分布向量；对信息数据进行归一化处理；利用移动平均方法对归一化的信息数据进行平滑处理，结合Diffusion‑Info用户类别分布向量计算出信息传播趋势的预测点，绘制信息传播趋势线；将通过K‑SC算法得到的若干基本信息传播曲线与信息传播趋势线拟合，获取信息传播趋势预测线的后续趋势线；本发明能够尽早的对信息传播能力进行估计，减少了传统方法的滞后性，对信息及时推送和社交网络的舆情及时控制提供了帮助；同时本发明的系统在运行时内存代价低，拥有很高的效率，拥有独立性和可移植性。

公开(公告)号：CN103795592B

公开(公告)日：2017-01-25

申请号：CN201410027720.7

申请日：2014-01-21

Applicant: 中国科学院信息工程研究所

Inventor： 孙卫强 ,  牛温佳 ,  赵卫中 ,  管洋洋 ,  黄超 ,  李倩 ,  胡玥 ,  刘萍 ,  郭莉

IPC: H04L12/26

Abstract: 本发明涉及一种网络水军的检测方法及装置。其中，网络水军的检测方法包括：步骤一，将原始的用户描述信息表示为归一化的用户描述向量，从用户描述向量中筛选出已分类数据，将该已分类数据的a%作为深度信念网络DBN模型的训练数据，将该已分类数据的b%作为DBN模型的检测数据；步骤二，用训练数据训练DBN模型，输出训练得到的DBN模型；步骤三，检验输出DBN模型的收敛性和判定准确率，根据检验结果调整所述步骤一和步骤二中的相关参数，直至所述输出DBN模型达到预设收敛条件或终止条件；步骤四，使用最终DBN模型对网络水军进行检测。本发明的网络水军的检测方法及装置，既提高了网络水军检测算法的收敛性和准确率，又缩短了海量样本数据下的模型训练时间。

公开(公告)号：CN103745002A

公开(公告)日：2014-04-23

申请号：CN201410035139.X

申请日：2014-01-24

Applicant: 中国科学院信息工程研究所

Inventor： 牛温佳 ,  李倩 ,  管洋洋 ,  黄超 ,  孙卫强 ,  李丹 ,  胡玥 ,  郭莉

IPC: G06F17/30 ,  G06N3/08

CPC classification number: G06F17/30861 ,  G06N3/088

Abstract: 本发明涉及一种基于行为特征与内容特征融合的水军识别方法及系统，其方法为，采集包括用户行为特征和内容特征的原始数据；利用马尔可夫链蒙特卡罗随机模型进行行为特征维度和内容特征维度的融合，组成用户特征向量；利用用户特征向量进行DBN模型训练，得到DBN模型；对DBN模型进行检测，判断检测结果是否达到预定标准，如果是则结束；否则根据检测结果生成相应的调节命令，分别调节特征融合阶段和DBN模型训练阶段的相关参数；在DBN训练过程中根据识别准确率不断优化行为特征与内容特征的比例分配，具体特征的选取，以及对DBN模型训练过程中迭代次数的调整，达到较优的训练效果，最终提高识别准确率和识别方法的自适应性。