公开(公告)号：CN107180077A

公开(公告)日：2017-09-19

申请号：CN201710252179.3

申请日：2017-04-18

Applicant: 北京交通大学

Inventor： 解男男 ,  王星 ,  刘吉强 ,  王伟 ,  韩臻

IPC: G06F17/30 ,  G06N3/08 ,  G06Q50/00

CPC classification number: G06Q50/01 ,  G06F16/355 ,  G06F16/374 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的社交网络谣言检测方法，包括：收集社交网络数据作为样本数据；对样本数据进行标记和分词，构建词典和以样本词在词典中的数字编号为元素的固定长度的样本词向量；将样本数据中样本句包含的样本词数限定为固定值；采用Word2Vec方法构建样本句矩阵，样本句矩阵的行向量组为样本句中的所有样本词的样本词向量；采用深度学习方法LSTM对样本句矩阵进行训练，构建多层次的训练模型；采用与构建样本句矩阵相同的方法构建待检测句矩阵；根据多层次的训练模型对待检测句矩阵进行分类检测，得到待检测社交网络数据的谣言检测结果。本发明可对社交网络谣言进行有效的检测。

公开(公告)号：CN102394798B

公开(公告)日：2014-12-31

申请号：CN201110363961.5

申请日：2011-11-16

Applicant: 北京交通大学

Inventor： 刘云 ,  熊菲 ,  朱江 ,  张振江 ,  程军军 ,  王星

IPC: H04L12/26 ,  H04L12/24

Abstract: 本发明涉及一种基于多元特征的微博信息传播行为预测方法及系统。它是从微博网络获取网络数据，并对相关数据进行预处理，然后根据经预处理获得的数据，建立相应的预测模型，基于所述预测模型预测用户行为趋势。本发明可以用于网络安全控制。

公开(公告)号：CN103412948A

公开(公告)日：2013-11-27

申请号：CN201310379073.1

申请日：2013-08-27

Applicant: 北京交通大学

Inventor： 刘云 ,  王琪 ,  曹伟 ,  王星 ,  桂畅旎

IPC: G06F17/30 ,  G06Q30/02

Abstract: 本发明属于数据挖掘技术领域，特别涉及一种基于聚类的协同过滤的商品推荐方法及系统，利用购物网站的API接口获取用户对商品的评分信息和商品的类型标签信息；根据用户的购买商品类型，对用户进行聚类；根据聚类的结果，并通过评分估值公式为用户-商品评分矩阵中缺省评分赋予评分估值；计算矩阵中商品之间的相似度，对目标用户未购买商品进行预测评分，并为目标用户推荐预测评分最高的前N件商品，本发明相比现有技术具有如下优点：解决了数据稀疏性的问题，减少了不同用户的评分尺度不一致的问题，提高了缺省赋值的准确性，使得同一类中的用户的评分相似性最高，提高了缺省赋值的准确性。

公开(公告)号：CN102394798A

公开(公告)日：2012-03-28

申请号：CN201110363961.5

申请日：2011-11-16

Applicant: 北京交通大学

Inventor： 刘云 ,  熊菲 ,  朱江 ,  张振江 ,  程军军 ,  王星

IPC: H04L12/26 ,  H04L12/24

Abstract: 本发明涉及一种基于多元特征的微博信息传播行为预测方法及系统。它是从微博网络获取网络数据，并对相关数据进行预处理，然后根据经预处理获得的数据，建立相应的预测模型，基于所述预测模型预测用户行为趋势。本发明可以用于网络安全控制。

公开(公告)号：CN107256357B

公开(公告)日：2020-05-15

申请号：CN201710251260.X

申请日：2017-04-18

Applicant: 北京交通大学

Inventor： 解男男 ,  刘吉强 ,  王星 ,  王伟 ,  韩臻

IPC: G06F21/56 ,  G06K9/62

Abstract: 本发明公开一种基于深度学习的安卓恶意应用的检测和分析方法，包括基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。本发明将深度学习方法应用于安卓恶意应用检测中，通过特征子集的构建对恶意家族进行行为分析。本发明能够提高现有的安卓恶意应用分类的准确率，改善当前安卓市场人工审核造成的工作量巨大、准确率不高的问题，有助于根据恶意应用的行为采取有针对性的防护措施。

公开(公告)号：CN107256357A

公开(公告)日：2017-10-17

申请号：CN201710251260.X

申请日：2017-04-18

Applicant: 北京交通大学

Inventor： 解男男 ,  刘吉强 ,  王星 ,  王伟 ,  韩臻

IPC: G06F21/56 ,  G06K9/62

Abstract: 本发明公开一种基于深度学习的安卓恶意应用的检测和分析方法，包括基于类别提取恶意应用特征集；采用深度学习算法对应用样本进行恶意性检测并依据检测结果将所述应用样本分为恶意应用和正常应用；采用特征选择算法对恶意应用特征进行排序；采用机器学习分类算法对恶意家族进行识别；构建恶意家族特征子集并进行恶意家族行为分析。本发明将深度学习方法应用于安卓恶意应用检测中，通过特征子集的构建对恶意家族进行行为分析。本发明能够提高现有的安卓恶意应用分类的准确率，改善当前安卓市场人工审核造成的工作量巨大、准确率不高的问题，有助于根据恶意应用的行为采取有针对性的防护措施。

公开(公告)号：CN103412948B

公开(公告)日：2017-10-24

申请号：CN201310379073.1

申请日：2013-08-27

Applicant: 北京交通大学

Inventor： 刘云 ,  王琪 ,  曹伟 ,  王星 ,  桂畅旎

IPC: G06F17/30 ,  G06Q30/02

Abstract: 本发明属于数据挖掘技术领域，特别涉及一种基于聚类的协同过滤的商品推荐方法及系统，利用购物网站的API接口获取用户对商品的评分信息和商品的类型标签信息；根据用户的购买商品类型，对用户进行聚类；根据聚类的结果，并通过评分估值公式为用户‑商品评分矩阵中缺省评分赋予评分估值；计算矩阵中商品之间的相似度，对目标用户未购买商品进行预测评分，并为目标用户推荐预测评分最高的前N件商品，本发明相比现有技术具有如下优点：解决了数据稀疏性的问题，减少了不同用户的评分尺度不一致的问题，提高了缺省赋值的准确性，使得同一类中的用户的评分相似性最高，提高了缺省赋值的准确性。