-
公开(公告)号：CN119623532A
公开(公告)日：2025-03-14
申请号：CN202510170368.0
申请日：2025-02-17
Applicant: 南京信息工程大学
IPC: G06N3/049 , G06N3/0455 , G06N3/0499 , G06N3/08 , G06F18/214 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种基于神经网络的时间序列异常检测方法，包括：获取待检测的多变量时间序列数据，将多变量时间序列数据输入至时空特征融合单元，由时空特征融合单元内时域卷积网络和图注意力影响网络对多变量时间序列数据进行时域信息和属性信息分析，并通过特征融合获得时空融合特征；采用自适应时间序列分解算法对多变量时间序列数据进行分解获得趋势序列和周期序列；将时空融合特征、趋势序列和周期序列输入时序重构单元获得解码特征；通过异常检测单元对解码特征进行异常检测获得多变量时间序列数据的异常状态；本发明能够扩大潜在异常数据与重构数据之间重构偏差，实现快速准确检测多维时间序列中的潜在异常数据。
-
公开(公告)号：CN117786374B
公开(公告)日：2024-05-14
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117633635B
公开(公告)日：2024-04-16
申请号：CN202410091381.2
申请日：2024-01-23
Applicant: 南京信息工程大学
IPC: G06F16/901 , G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种基于时空传播图的动态谣言检测方法，包括以下步骤：构造用户内容传播动态图的序列，按照时刻进行分块，得到邻近图结构集合，做空洞卷积处理，输出各时刻图分块渐进图卷积隐藏表示，压缩为全局时空传播图表示，与情绪和话题特征相融合，获得谣言传播图结构表示，使用图神经网络分类算法进行第一次谣言分类判定，构建三层图卷积生成网络，生成谣言演化图结构，微调修改得到预测图，将用户内容传播图和预测图进行融合，形成谣言历史与演化图结构，复用图卷积分类思想进行二次核验。本发明提供的一种基于时空传播图的动态谣言检测方法，能够考虑用户内容传播图的动态特征和全局时空信息，有效识别社交网络中的谣言。
-
公开(公告)号：CN117493490B
公开(公告)日：2024-05-14
申请号：CN202311534078.7
申请日：2023-11-17
Applicant: 南京信息工程大学
IPC: G06F16/33 , G06F16/35 , G06F16/9536 , G06Q50/00 , G06F16/901
Abstract: 本发明公开一种基于异构多关系图的话题检测方法、装置、设备及介质，该方法包括：获取社交平台的异构数据；基于所述异构数据，构建异构信息多关系图；编码所述异构信息多关系图，得到所述异构信息多关系图的初始化特征表示；基于所述初始化特征表示，对所述异构信息多关系图的节点进行筛选；对筛选后的节点的信息进行聚合，得到所述异构信息多关系图的最终特征表示；基于所述最终特征表示，得到话题关键字。本发明通过发布的内容中涵盖的多模态信息，构建异构信息多关系图的方式，选择最佳的邻居节点进行信息聚合，以实现最优的话题聚类效果，得到最佳话题输出，提高了话题检测的精确性，为后续实现精准敏捷的辟谣反击与正确的舆论引导提供了有力的保障。
-
Patent Agency Ranking
公开(公告)号：CN117493490A
公开(公告)日：2024-02-02
申请号：CN202311534078.7
申请日：2023-11-17
Applicant: 南京信息工程大学
IPC: G06F16/33 , G06F16/35 , G06F16/9536 , G06Q50/00 , G06F16/901
Abstract: 本发明公开一种基于异构多关系图的话题检测方法、装置、设备及介质，该方法包括：获取社交平台的异构数据；基于所述异构数据，构建异构信息多关系图；编码所述异构信息多关系图，得到所述异构信息多关系图的初始化特征表示；基于所述初始化特征表示，对所述异构信息多关系图的节点进行筛选；对筛选后的节点的信息进行聚合，得到所述异构信息多关系图的最终特征表示；基于所述最终特征表示，得到话题关键字。本发明通过发布的内容中涵盖的多模态信息，构建异构信息多关系图的方式，选择最佳的邻居节点进行信息聚合，以实现最优的话题聚类效果，得到最佳话题输出，提高了话题检测的精确性，为后续实现精准敏捷的辟谣反击与正确的舆论引导提供了有力的保障。
-
公开(公告)号：CN116661603A
公开(公告)日：2023-08-29
申请号：CN202310656368.2
申请日：2023-06-02
Applicant: 南京信息工程大学
IPC: G06F3/01 , G06V40/16 , G06V10/80 , G06V10/82 , G06F40/30 , G06N3/0442 , G06N3/084 , G10L15/26 , G10L15/02
Abstract: 本发明公开了复杂人机交互场景下的多模态融合的用户意图识别方法，获取语音和视频，利用语音识别模块把语音转换为文本；分别通过预训练模型BERT、Wav2vec 2.0和Faster R‑CNN提取文本特征、语音特征和视觉特征，利用Transformer对特征进行预处理；构建模态特定和模态共用两类编码器，对文本、语音和视频特征进行多模态协同表示学习；针对复杂场景下每种模态可能在不同时刻表现出不同级别的噪声，利用注意力机制和门控神经网络对多模态协同表示进行自适应融合；把融合特征输入全连接神经网络中识别用户的真实意图。本发明可以提高复杂人机交互场景下的用户意图识别的准确率，提升交互机器人的服务质量。
-
公开(公告)号：CN117786374A
公开(公告)日：2024-03-29
申请号：CN202410221484.6
申请日：2024-02-28
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。
-
公开(公告)号：CN117633635A
公开(公告)日：2024-03-01
申请号：CN202410091381.2
申请日：2024-01-23
Applicant: 南京信息工程大学
IPC: G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464 , G06N3/082 , G06F16/901
Abstract: 本发明公开一种基于时空传播图的动态谣言检测方法，包括以下步骤：构造用户内容传播动态图的序列，按照时刻进行分块，得到邻近图结构集合，做空洞卷积处理，输出各时刻图分块渐进图卷积隐藏表示，压缩为全局时空传播图表示，与情绪和话题特征相融合，获得谣言传播图结构表示，使用图神经网络分类算法进行第一次谣言分类判定，构建三层图卷积生成网络，生成谣言演化图结构，微调修改得到预测图，将用户内容传播图和预测图进行融合，形成谣言历史与演化图结构，复用图卷积分类思想进行二次核验。本发明提供的一种基于时空传播图的动态谣言检测方法，能够考虑用户内容传播图的动态特征和全局时空信息，有效识别社交网络中的谣言。
-
公开(公告)号：CN118035868A
公开(公告)日：2024-05-14
申请号：CN202410136494.X
申请日：2024-01-31
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/213 , G06V10/42 , G06V10/44 , G06V10/82 , G06F40/30
Abstract: 本发明公开了一种基于最优传输的实体级多模态情感分类方法及系统，包括：将整图特征RV、图像情感局部特征RSenti、实体文本特征RL和句子文本特征RT映射到再生核希尔伯特空间，并经过拼接形成混合特征R″和混合特征R′；将混合特征R′和混合特征R″输入至融合层函数和第一归一化层获得中间特征H′；将中间特征H′输入至通道前馈神经层和第二归一化层获得多模态混合特征H；通过设定数量叠加的融合层和线性层对多模态混合特征H进行处理得到多模态混合特征Hmutil；根据多模态混合特征Hmutil进行情感分类；本发明在保持模型相对轻量级的同时，能够有效地处理多模态信息完成情感分类。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
