-
公开(公告)号：CN113486395A
公开(公告)日：2021-10-08
申请号：CN202110748781.2
申请日：2021-07-02
Applicant: 南京大学
IPC: G06F21/62
Abstract: 本发明公开了一种采用多元信息融合的科研数据匿名化方法及系统。所述方法包括：通过学者基本学术行为、同行评议和项目评审多元数据获取学者交互列表，并学习学者交互列表向量表示；利用学得的学者交互向量序列，使用自注意力机制获取学者交互序列之间关系，提取学者交互所包含敏感特征的特征敏感度向量；根据学者个人信息、学术影响力特征信息的不同，自适应的调整特征敏感度向量；将调整后的特征敏感度向量，连同项目信息和论文信息一起作为全连接预测层输入向量，给出基于K‑匿名的多维敏感度最佳K值。本发明增加了模型在预测敏感度过程和模型训练过程中的可利用信息，提升科研数据的匿名效果，实现科研数据多维敏感度和细粒度的匿名化方法。
-
公开(公告)号：CN112231582A
公开(公告)日：2021-01-15
申请号：CN202011249317.0
申请日：2020-11-10
Applicant: 南京大学
IPC: G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于变分自编码数据融合的网站推荐方法和设备，所述方法基于协同过滤方法与神经网络、变分自编码器、边信息提取方法，实现了网站推荐，模型构建中将边信息提取与变分自编码器相结合来完成附带排名信息的网站推荐任务，因为提取了隐式反馈数据中的边信息，模型输入的信息更加全面。本发明具有良好的网站推荐效果。
-
公开(公告)号：CN113486395B
公开(公告)日：2024-07-23
申请号：CN202110748781.2
申请日：2021-07-02
Applicant: 南京大学
IPC: G06F21/62
Abstract: 本发明公开了一种采用多元信息融合的科研数据匿名化方法及系统。所述方法包括：通过学者基本学术行为、同行评议和项目评审多元数据获取学者交互列表，并学习学者交互列表向量表示；利用学得的学者交互向量序列，使用自注意力机制获取学者交互序列之间关系，提取学者交互所包含敏感特征的特征敏感度向量；根据学者个人信息、学术影响力特征信息的不同，自适应的调整特征敏感度向量；将调整后的特征敏感度向量，连同项目信息和论文信息一起作为全连接预测层输入向量，给出基于K‑匿名的多维敏感度最佳K值。本发明增加了模型在预测敏感度过程和模型训练过程中的可利用信息，提升科研数据的匿名效果，实现科研数据多维敏感度和细粒度的匿名化方法。
-
公开(公告)号：CN112231582B
公开(公告)日：2023-11-21
申请号：CN202011249317.0
申请日：2020-11-10
Applicant: 南京大学
IPC: G06F16/9535 , G06F16/958 , G06N3/0455 , G06N3/08
-
-
-
Search Results
4
records
(took 0.013 seconds)
