一种基于同态加密的影响力最大化方法

    公开(公告)号:CN114866219A

    公开(公告)日:2022-08-05

    申请号:CN202210515957.4

    申请日:2022-05-12

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于同态加密算法的影响力最大化方法,属于社交网络挖掘领域。本发明将同态加密算法和度折扣算法结合,各个社交客户端根据拥有的用户数据计算度折扣值后并加密上传给服务器;服务器对各个平台得到的度折扣值运算解密,并选择度折扣值最大的用户,发送给各个客户端,客户端重复上述步骤,迭代选取得到多个用户以最大限度地扩大信息的传播范围。本发明基于度折扣启发式算法,利用同态加密安全协议并借助第三方服务器进行信息加解密运算和种子节点集合的更新,可以在不泄露用户隐私的前提下,融合各个社交媒体平台的用户信息,在广告投放、产品推广、信息传播等场景下寻找合适用户群体中具有较大的应用价值和前景。

    一种基于知识溢出效应的学生能力表征的知识追踪方法

    公开(公告)号:CN117574955A

    公开(公告)日:2024-02-20

    申请号:CN202311565634.7

    申请日:2023-11-22

    Applicant: 安徽大学

    Abstract: 本发明公开了一种基于知识溢出效应的学生能力表征的知识追踪方法,包括:1、依据时间感知长短期记忆单元,来追踪学生在回答每个习题上各知识概念的掌握程度变化;2、运用自适应的信息传递策略研究知识积累过程中的溢出效应;3、考虑到学生的遗忘行为,引入遗忘模块捕捉学生知识状态随时间衰减的过程;4、采用一个考虑历史时间学习过程和知识概念间溢出影响的自注意导向神经霍克斯过程来建模知识遗忘的速率;5、利用结合神经认知诊断功能的预测模块来挖掘学生与习题之间的复杂交互,并通过交叉熵损失优化整个学习和遗忘过程。本发明能建模学生学习和遗忘中的知识溢出效应,从而实现端到端的学生答题正确性的预测,并能提高预测的准确性。

Patent Agency Ranking