一种基于图嵌入的社交网络中异常用户检测方法

    公开(公告)号:CN109949176B

    公开(公告)日:2022-07-15

    申请号:CN201910245861.9

    申请日:2019-03-28

    Abstract: 本发明公开了一种基于图嵌入的社交网络中异常用户检测方法,根据社交网络图中的用户节点和社区的归属关系值构建初始的用户节点嵌入模型,然后根据某个用户节点和其他用户节点建立目标函数,进而得到最终的用户节点嵌入模型,选取某个用户节点最终嵌入模型和其他用户节点之间的连接关系得到嵌入加权向量公式,根据嵌入加权向量公式采用数据归一化方法得到用户节点的异常水平公式,当用户节点异常水平大于最大阈值或者小于最小阈值定义为异常用户节点。本发明方法能够有效提升社交网络中异常用户节点检测的有效性和准确性。

    一种基于特征多样化的卷积神经网络的情感分析模型构建方法

    公开(公告)号:CN108763326B

    公开(公告)日:2021-01-12

    申请号:CN201810421744.9

    申请日:2018-05-04

    Abstract: 本发明公开一种基于特征多样化的卷积神经网络的情感分析模型构建方法。该方法首先导入情感词典集合与句子语料训练集,并对初始数据集做相应预处理,通过计算情感词在不同极性数据集上出现的文档频数来计算情感得分以及普通词条的权重得分,得到词条得分特征统计值并构建特征向量。把得到的情感词典情感得分向量以及普通词条权重得分向量与向量化后的训练集句子向量进行拼接或者运算操作,得到具有特征信息多样化的输入矩阵。最后用特定参数的卷积神经网络模型训练数据集,得到训练好的模型。本发明能够解决模型在模型训练过程中对更深层的隐藏情感信息挖掘不够全面的问题,还能够有效提高情感分类的精确度。

    一种视频多目标跟踪检测异常点的方法

    公开(公告)号:CN107273801A

    公开(公告)日:2017-10-20

    申请号:CN201710338908.7

    申请日:2017-05-15

    CPC classification number: G06K9/00711 G06K9/4609

    Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法,该方法均匀的抽取视频文件中的多个帧画面,将图像上的像素点通过高斯差函数转为灰度图像的像素点,求这些点的极值,通过求导获得相对极值位移,将相对极值位移代入到高斯差函数中获得候选特征点,再用一个常数来筛选得到特征点,通过计算两图像特征点置信度的最大值获得有效点,计算获得的灰度图像像素点的多尺度下的自相关矩阵,用角点响应函数将计算获得的矩阵代入,通过阈值限制来获取不同尺度下的角点,通过尺度最大的比较依据获得角点,最后将获得的角点连线,依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为,防止用户作出错误的判断。

    一种基于图嵌入的社交网络中异常用户检测方法

    公开(公告)号:CN109949176A

    公开(公告)日:2019-06-28

    申请号:CN201910245861.9

    申请日:2019-03-28

    Abstract: 本发明公开了一种基于图嵌入的社交网络中异常用户检测方法,根据社交网络图中的用户节点和社区的归属关系值构建初始的用户节点嵌入模型,然后根据某个用户节点和其他用户节点建立目标函数,进而得到最终的用户节点嵌入模型,选取某个用户节点最终嵌入模型和其他用户节点之间的连接关系得到嵌入加权向量公式,根据嵌入加权向量公式采用数据归一化方法得到用户节点的异常水平公式,当用户节点异常水平大于最大阈值或者小于最小阈值定义为异常用户节点。本发明方法能够有效提升社交网络中异常用户节点检测的有效性和准确性。

    一种基于强化贝叶斯分类的社交行为检测方法

    公开(公告)号:CN108804651A

    公开(公告)日:2018-11-13

    申请号:CN201810578405.1

    申请日:2018-06-07

    CPC classification number: G06F17/277

    Abstract: 本发明公开了一种基于强化贝叶斯分类的社交行为检测方法具体为:步骤1)收集中文社交网站言论的文本训练样本集,包括攻击性言论文本及赞赏性言论文本等类别文本,建立社交网站言论的文本训练样本集;步骤2)根据停用词词库对中文社交网站言论的文本训练样本集进行中文分词得到某个中文训练集的词序列vi,i∈{1,2,3,…f},f为训练样本总数;步骤3)通过TF‑IDF中文分词算法对中文社交网站言论的文本训练样本集中不同行为类别文本的进行特征提取;步骤4)输入特征词序列,使用贝叶斯模型进行学习识别;步骤5)通过强化贝叶斯分类器对分类器进行强化。本发明方法能够更加精确和高效的对人物社交行为进行检测,具有较好的应用前景。

    一种基于特征多样化的卷积神经网络的情感分析模型构建方法

    公开(公告)号:CN108763326A

    公开(公告)日:2018-11-06

    申请号:CN201810421744.9

    申请日:2018-05-04

    Abstract: 本发明公开一种基于特征多样化的卷积神经网络的情感分析模型构建方法。该方法首先导入情感词典集合与句子语料训练集,并对初始数据集做相应预处理,通过计算情感词在不同极性数据集上出现的文档频数来计算情感得分以及普通词条的权重得分,得到词条得分特征统计值并构建特征向量。把得到的情感词典情感得分向量以及普通词条权重得分向量与向量化后的训练集句子向量进行拼接或者运算操作,得到具有特征信息多样化的输入矩阵。最后用特定参数的卷积神经网络模型训练数据集,得到训练好的模型。本发明能够解决模型在模型训练过程中对更深层的隐藏情感信息挖掘不够全面的问题,还能够有效提高情感分类的精确度。

    一种基于强化贝叶斯分类的社交行为检测方法

    公开(公告)号:CN108804651B

    公开(公告)日:2022-08-19

    申请号:CN201810578405.1

    申请日:2018-06-07

    Abstract: 本发明公开了一种基于强化贝叶斯分类的社交行为检测方法具体为:步骤1)收集中文社交网站言论的文本训练样本集,包括攻击性言论文本及赞赏性言论文本等类别文本,建立社交网站言论的文本训练样本集;步骤2)根据停用词词库对中文社交网站言论的文本训练样本集进行中文分词得到某个中文训练集的词序列vi,i∈{1,2,3,...f},f为训练样本总数;步骤3)通过TF‑IDF中文分词算法对中文社交网站言论的文本训练样本集中不同行为类别文本的进行特征提取;步骤4)输入特征词序列,使用贝叶斯模型进行学习识别;步骤5)通过强化贝叶斯分类器对分类器进行强化。本发明方法能够更加精确和高效的对人物社交行为进行检测,具有较好的应用前景。

    一种视频多目标跟踪检测异常点的方法

    公开(公告)号:CN107273801B

    公开(公告)日:2021-11-30

    申请号:CN201710338908.7

    申请日:2017-05-15

    Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法,该方法均匀的抽取视频文件中的多个帧画面,将图像上的像素点通过高斯差函数转为灰度图像的像素点,求这些点的极值,通过求导获得相对极值位移,将相对极值位移代入到高斯差函数中获得候选特征点,再用一个常数来筛选得到特征点,通过计算两图像特征点置信度的最大值获得有效点,计算获得的灰度图像像素点的多尺度下的自相关矩阵,用角点响应函数将计算获得的矩阵代入,通过阈值限制来获取不同尺度下的角点,通过尺度最大的比较依据获得角点,最后将获得的角点连线,依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为,防止用户作出错误的判断。

Patent Agency Ranking