-
公开(公告)号：CN103955464B
公开(公告)日：2017-10-03
申请号：CN201410115414.9
申请日：2014-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于情境融合感知的推荐方法，包括如下步骤：步骤1：根据情境的定义和需求将情境分为物理情境和用户偏好情境；步骤2：通过参数学习和结构学习构建贝叶斯网络，推理计算某一环境中的物理情境匹配程度；步骤3：考虑到用户兴趣爱好随时间变化的动态性，将时间函数融入基于内容的推荐算法中，计算用户偏好情境的匹配程度；步骤4：综合考虑情境匹配度，对所有候选信息资源进行评分，并将排名前Top‑N的信息推荐给目标用户。与现有技术相比，本发明考虑的推荐因素更全面，更能适应多变的环境，提高了推荐准确度，并且考虑用户兴趣随时间变化而变化的情况，将时间函数和基于资源内容的推荐结合，提高了用户满意度。
-
公开(公告)号：CN102651088A
公开(公告)日：2012-08-29
申请号：CN201210100282.3
申请日：2012-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于A_Kohonen神经网络的恶意代码分类方法，属于计算机网络安全技术领域。本发明首次将人工神经网络引入恶意代码的分类，并对现有无监督学习的Kohonen神经网络进行改进，在第一阶段的无监督学习后，加入一个有监督的学习过程，从而提高了分类准确率。本发明方法可实现对未知恶意代码的快速准确分类，且算法简单，实时性好。
-
Patent Agency Ranking
公开(公告)号：CN103955464A
公开(公告)日：2014-07-30
申请号：CN201410115414.9
申请日：2014-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于情境融合感知的推荐方法，包括如下步骤：步骤1：根据情境的定义和需求将情境分为物理情境和用户偏好情境；步骤2：通过参数学习和结构学习构建贝叶斯网络，推理计算某一环境中的物理情境匹配程度；步骤3：考虑到用户兴趣爱好随时间变化的动态性，将时间函数融入基于内容的推荐算法中，计算用户偏好情境的匹配程度；步骤4：综合考虑情境匹配度，对所有候选信息资源进行评分，并将排名前Top-N的信息推荐给目标用户。与现有技术相比，本发明考虑的推荐因素更全面，更能适应多变的环境，提高了推荐准确度，并且考虑用户兴趣随时间变化而变化的情况，将时间函数和基于资源内容的推荐结合，提高了用户满意度。
-
公开(公告)号：CN102495978B
公开(公告)日：2015-03-04
申请号：CN201110351453.5
申请日：2011-11-09
Applicant: 南京邮电大学
IPC: G06F21/57
Abstract: 开放计算环境的动态性、异构性、自治性、分布性等特征使系统存在着严重的安全隐患。本发明提出了一种开放计算环境下任务执行体与执行点可信指数计算方法，对任务执行体和任务执行点的可信指数从多方面进行综合计算，从而将合适的执行体调度到合适的执行点上运行。对任务执行体可信指数的计算综合考虑了任务执行体来源的身份信誉度、来源的可信程度、任务执行体的代码可信度；对任务执行点可信指数的计算综合考虑了所有者的身份信誉、任务执行点历史可信度、任务执行点当前可信度和任务执行点安全度。
-
公开(公告)号：CN103995823A
公开(公告)日：2014-08-20
申请号：CN201410112163.9
申请日：2014-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30598 , G06F17/30705 , G06Q50/01
Abstract: 本发明公开了一种基于社交网络的信息推荐方法，其步骤如下：步骤1：计算用户之间的信任度和相似性，使用加权值来构建用户关系矩阵；步骤2：使用社区发现算法对用户进行聚类，形成用户最近邻居集；步骤3：预测评分并生成推荐列表。本发明可达到以下的有益效果：（1）解决冷启动问题。本发明引入信任度，进行推荐时如果根据共同评分物品无法得到足够多的近邻，可信朋友可以作为预测的起点，这样可以减轻冷启动问题以及提高用户覆盖度；（2）提高实时性。本发明中采用社交网络分析中常用的社区发现算法对用户网络进行社区划分，即相同的用户兴趣聚类，使得在寻找用户邻居集时大大缩短时间，提高了信息推荐的响应实时性。
-
公开(公告)号：CN102651088B
公开(公告)日：2014-03-26
申请号：CN201210100282.3
申请日：2012-04-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于A_Kohonen神经网络的恶意代码分类方法，属于计算机网络安全技术领域。本发明首次将人工神经网络引入恶意代码的分类，并对现有无监督学习的Kohonen神经网络进行改进，在第一阶段的无监督学习后，加入一个有监督的学习过程，从而提高了分类准确率。本发明方法可实现对未知恶意代码的快速准确分类，且算法简单，实时性好。
-
公开(公告)号：CN102495978A
公开(公告)日：2012-06-13
申请号：CN201110351453.5
申请日：2011-11-09
Applicant: 南京邮电大学
IPC: G06F21/00
Abstract: 开放计算环境的动态性、异构性、自治性、分布性等特征使系统存在着严重的安全隐患。本发明提出了一种开放计算环境下任务执行体与执行点可信指数计算方法，对任务执行体和任务执行点的可信指数从多方面进行综合计算，从而将合适的执行体调度到合适的执行点上运行。对任务执行体可信指数的计算综合考虑了任务执行体来源的身份信誉度、来源的可信程度、任务执行体的代码可信度；对任务执行点可信指数的计算综合考虑了所有者的身份信誉、任务执行点历史可信度、任务执行点当前可信度和任务执行点安全度。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
