-
公开(公告)号：CN119863153A
公开(公告)日：2025-04-22
申请号：CN202411753658.X
申请日：2024-12-02
IPC: G06Q10/0639 , G06Q10/0635 , G06F17/16 , G06F17/15
Abstract: 本申请提出一种风险评估方法、装置、设备及存储介质，包括：基于数据安全文本、预设数据风险评估指标体系和医疗数据特征，确定目标医疗数据风险评估指标体系，以确保风险指标种类的更新迭代；基于处于末级的每个第一目标数据风险指标在多个评估内容下不同评估等级下的初始隶属度函数值，确定多个第一目标数据风险指标不同评估等级下的目标隶属度函数值；对评估内容进行量化以及结合不同评估内容，优化第一目标数据风险指标不同评估等级下的隶属度函数值，解决不同评估内容间存在冲突的问题，在评估风险等级的过程中，结合各第一目标数据风险指标的权重和不同评估等级下的目标隶属度函数值，以提高风险等级评估的准确性。
-
公开(公告)号：CN117992641B
公开(公告)日：2024-11-15
申请号：CN202410081096.2
申请日：2024-01-19
Applicant: 北京邮电大学
IPC: G06F16/903 , G06F21/62
Abstract: 本发明提供一种批量关键字隐匿查询方法及系统，方法应用于客户端，包括：由分桶个数和待查询批量关键字个数确定待填充矩阵和哈希函数个数；将选取的分桶编号二进制取反后纵向填充待填充矩阵大小，生成第一填充矩阵；由多个哈希函数分别对批量关键字运算，由每次运算的结果和关键字个数得到第一填充矩阵中当前运算对应的待重新填充矩阵元素的行列编号，由分桶编号二进制依次对多次运算对应行列编号的元素重新填充，得到第二填充矩阵；向服务端发送第二填充矩阵、多个函数和关键字个数，使其据此将多个键值对分到对应编号的桶中，含批量关键字的键值对被分到与分桶编号相同的桶内；向服务端发起针对分桶编号的批量关键字隐匿查询，得到查询结果。
-
公开(公告)号：CN117992641A
公开(公告)日：2024-05-07
申请号：CN202410081096.2
申请日：2024-01-19
Applicant: 北京邮电大学
IPC: G06F16/903 , G06F21/62
Abstract: 本发明提供一种批量关键字隐匿查询方法及系统，方法应用于客户端，包括：由分桶个数和待查询批量关键字个数确定待填充矩阵和哈希函数个数；将选取的分桶编号二进制取反后纵向填充待填充矩阵大小，生成第一填充矩阵；由多个哈希函数分别对批量关键字运算，由每次运算的结果和关键字个数得到第一填充矩阵中当前运算对应的待重新填充矩阵元素的行列编号，由分桶编号二进制依次对多次运算对应行列编号的元素重新填充，得到第二填充矩阵；向服务端发送第二填充矩阵、多个函数和关键字个数，使其据此将多个键值对分到对应编号的桶中，含批量关键字的键值对被分到与分桶编号相同的桶内；向服务端发起针对分桶编号的批量关键字隐匿查询，得到查询结果。
-
公开(公告)号：CN111242670B
公开(公告)日：2024-03-29
申请号：CN201911377938.4
申请日：2019-12-27
Applicant: 北京邮电大学
IPC: G06Q30/0241
Abstract: 本发明实施例提供的一种确定最大影响程度指标的种子集合的方法及装置，方法包括：获取有向图；利用预设的竞争节点，以及有向图中随机选择的起始节点，生成初始数量个子图；将获得的多个子图加入预设的集合，得到子图集合；将有向图中的每个节点，分别单独加入预设的种子集合中，获得不同的第一种子集合；针对有向图中的当前节点，将每个当前节点分别单独加入影响程度指标最大的第一种子集合中，获得第二种子集合，直至第二种子集合中的节点个数达到预设的种子用户的个数；将影响程度指标最大的第二种子集合，确定为目标种子集合。因此，本发明实施例能够减少确定目标种子集合的时间。
-
公开(公告)号：CN110991218B
公开(公告)日：2024-01-12
申请号：CN201910959356.0
申请日：2019-10-10
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于图像的网络舆情预警系统和方法，包括：信息获取模块获取网络社区中各话题的主题信息和评论信息，发送主题信息至分类与识别模块，发送评论信息至表情分析模块；分类与识别模块分类主题信息中的图像，得到图像类别，提取图像中的文字，将图像类别、图像中的文字与主题信息中的文字发送至预警与得分模块；表情分析模块分析评论信息中的图片，得到评论信息的舆情分析结果，发送至舆情预警模块；预警与得分模块根据图像类别、图像中的文字和主题信息中的文字确定舆情得分，发送至舆情预警模块；舆情预警模块根据舆情分析结果和舆情得分确定预警得分，发出预警。本申请能够准确、快速地发布与图像中的舆情对应的舆情预警。
-
Patent Agency Ranking
公开(公告)号：CN111144709B
公开(公告)日：2023-04-18
申请号：CN201911244272.5
申请日：2019-12-06
Applicant: 北京邮电大学
IPC: G06Q10/0637 , G06F40/211 , G06F40/216 , G06F40/194 , G06F40/284
Abstract: 本发明实施例提供了一种机器生成文本的新颖度确定方法及装置：获取机器生成文本以及机器生成文本对应的多个参考文本；根据机器生成文本包括的词语，以及多个参考文本包括的词语，确定机器生成文本的重叠因子；根据机器生成文本包括的短句，确定机器生成文本的重复惩罚因子；根据机器生成文本的文本长度，多个参考文本的平均文本长度以及多个参考文本的最小文本长度，确定机器生成文本的长度惩罚因子；根据机器生成文本的重叠因子、重复惩罚因子和长度惩罚因子，确定机器生成文本的新颖度。综合考虑了机器生成文本与参考文本的重叠度，机器生成文本自身的重复度，机器生成文本和参考文本的长度因素，更有效的衡量机器生成文本的新颖度。
-
公开(公告)号：CN114037946A
公开(公告)日：2022-02-11
申请号：CN202111556380.3
申请日：2021-12-17
Applicant: 北京邮电大学
Abstract: 本申请公开了一种视频分类的方法、装置、电子设备及介质。本申请中，可以获取待分类视频数据；将待分类视频数据输入至音视频学习网络，得到待分类视频对应的图像特征和音频特征；以及待分类视频对应的文本特征；将图像特征、音频特征以及文本特征输入至融合学习网络，得到融合特征向量；将融合特征向量输入至Softmax分类器，并将分类器输出的分类结果作为待分类视频的分类结果。通过应用本申请的技术方案，可以在获取待分类视频之后，利用预设的学习网络模型，得到该视频数据的图像特征、音频特征以及文本特征，并将该三个特征进行融合后，根据融合的特征来判断待分类视频的分类结果。从而避免了相关技术中对视频数据分类不准确的弊端。
-
公开(公告)号：CN111191827A
公开(公告)日：2020-05-22
申请号：CN201911337179.9
申请日：2019-12-23
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种数据波动趋势的预测方法及装置，通过获取统计数据集，其中，统计数据集包括预设时间段内各时间周期统计的数据；将预设时间段内各时间周期统计的数据输入预先训练的长短期记忆LSTM网络模型中，得到第一似然值序列，其中，LSTM网络模型基于多个样本数据训练得到；根据第一似然值序列，对待预测时间周期的数据波动趋势进行预测，其中，待预测时间周期为预设时间段内最后一个时间周期的下一时间周期。由于LSTM网络模型是一个端到端的网络模型，将预设时间段内各时间周期统计的数据输入预先训练的LSTM网络模型后，可以快速得到一个似然值序列的输出，基于该输出，缩短了待预测时间周期的数据波动趋势的预测时间，从而提高了预测效率。
-
公开(公告)号：CN110188191A
公开(公告)日：2019-08-30
申请号：CN201910277242.8
申请日：2019-04-08
Applicant: 北京邮电大学
Abstract: 本申请公开了一种用于网络社区文本的实体关系图谱构建方法和系统，包括：采集网页中的文本，进行实体识别和实体关系抽取，构建语义模型；采集网络社区中的文本，进行实体识别和实体关系抽取，得到网络实体关系集合；使用分类模型对网络实体关系集合进行分类，得到实体对；对所述实体对进行层次分类计算，将实体对融合进语义模型中；对融合后的语义模型进行可视化处理，得到实体关系图谱。使用特定网页中的纯净文本生成语义模型，保证实体关系的准确性和可靠性；使用分类算法和核心实体关系集合训练分类模型，并进行评估，增加了分类的可靠性；将通过评估的网络实体关系集合加进核心语义模型，增加了核心语义模型的丰富性、稳定性和自动扩展性。
-
公开(公告)号：CN110019253A
公开(公告)日：2019-07-16
申请号：CN201910313368.6
申请日：2019-04-18
Applicant: 北京邮电大学
IPC: G06F16/22 , G06F16/2458
Abstract: 本发明实施例提供了一种分布式的图数据序列采样方法及装置，应用于分布式的计算节点，所述分布式的计算节点包括：两个以上计算节点，其中所述方法包括：获取预设的图数据、采样次数及采样路径长度；将所述采样次数均分，得到每个计算节点各自的采样次数，作为采样分配次数；从每个计算节点处理的路径集合中，按照所述采样路径长度，确定出路径长度与所述采样路径长度的数值相同的目标路径，所述目标路径是由边数量与所述采样路径长度的数值相同的所述图数据的边形成的，所述图数据的每条边包括至少一个元素；对每个计算节点的目标路径，基于预先确定的权重，分别从形成该目标路径的每条边包括的至少一个元素中抽取一个元素，得到采样元素序列。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.036 seconds)
