公开(公告)号：CN118194977A

公开(公告)日：2024-06-14

申请号：CN202410364004.1

申请日：2024-03-28

Applicant: 南京邮电大学

Inventor： 王攀 ,  孙杰

IPC: G06N3/098 ,  G06N3/0985 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于BERT模型优化预训练模型聚合的联邦学习方法及系统，用于解决在分布式环境下进行自然语言处理任务的问题。本发明提出了基于BERT和CNN架构的联邦学习模型，该模型首先通过预训练BERT模型来捕捉语义信息，然后利用CNN架构进行特征提取和分类。在联邦学习过程中，选择一部分客户端进行模型训练，并通过参数聚合和更新来实现模型的协同训练。最后，通过模型优化和全局模型聚合来提高模型性能，并选择表现最佳的模型作为最终输出。实验结果表明，该联邦学习模型在自然语言处理任务中具有较好的性能和可扩展性。

公开(公告)号：CN117951397A

公开(公告)日：2024-04-30

申请号：CN202410097268.5

申请日：2024-01-24

Applicant: 南京邮电大学

Inventor： 孙杰 ,  戴华 ,  李鹏越 ,  张明月 ,  蒋明峰 ,  杨庚

IPC: G06F16/9537 ,  G06F16/9538 ,  G06F16/29 ,  G06F18/22 ,  G06F16/951

Abstract: 本发明属于数据检索领域，公开了一种基于密度分布的地理空间数据集样例查询方法，包括：数据处理：对空间数据集进行处理，通过空间网格划分，统计位置点在网格内的密度分布并获取密度分布元素集，然后生成最小覆盖矩形；查询执行：根据查询样例数据集，生成密度分布元素集和最小覆盖矩形，查询时首先根据样例数据集与每个数据集的最小覆盖矩形的重叠区域大小，筛选出一部分候选数据集，然后，根据密度分布元素集计算候选数据集与查询样例数据集的相似度，并选取相似度最高的k个数据集作为查询结果。本发明将空间数据集转化为密度分布表示，以时空数据集之间在重叠网格内的位置点分布比例作为相似度衡量依据，提高了查询效率。

公开(公告)号：CN112396279B

公开(公告)日：2022-08-26

申请号：CN202010551752.2

申请日：2020-06-17

Applicant: 南京邮电大学

Inventor： 孙杰 ,  焦玉全 ,  吴礼发

IPC: G06Q10/06

Abstract: 本发明公开了一种基于信任模型的鲁棒众包数据分析方法，通过使用贝塔分布来分析众包工作者的历史信誉度信息，然后利用投票一致性规则来分析部分众包工作者在当前任务中任务结果的数据，最后运用贝叶斯算法来预测本次众包工作者提供的结果数据的准确度信息，能够让雇主在大量不确定的众包数据结果中，获得符合需求的高准确度众包数据，解决了雇主以往无法获得符合需求的众包数据结果的难题。

公开(公告)号：CN112396279A

公开(公告)日：2021-02-23

申请号：CN202010551752.2

申请日：2020-06-17

Applicant: 南京邮电大学

Inventor： 孙杰 ,  焦玉全 ,  吴礼发

IPC: G06Q10/06

Abstract: 本发明公开了一种基于信任模型的鲁棒众包数据分析方法，通过使用贝塔分布来分析众包工作者的历史信誉度信息，然后利用投票一致性规则来分析部分众包工作者在当前任务中任务结果的数据，最后运用贝叶斯算法来预测本次众包工作者提供的结果数据的准确度信息，能够让雇主在大量不确定的众包数据结果中，获得符合需求的高准确度众包数据，解决了雇主以往无法获得符合需求的众包数据结果的难题。