-
公开(公告)号：CN116028682A
公开(公告)日：2023-04-28
申请号：CN202211708840.4
申请日：2022-12-29
Applicant: 思创数码科技股份有限公司
IPC: G06F16/903 , G06F16/901
Abstract: 本发明涉及交通网络技术领域，尤其涉及一种基于树分解的时序路网最短路径查询方法，所述方法包括：根据获取到的时序道路网络数据建立时序图；在所述时序图的基础上创建包，并连接所有创建的包以构建时序树分解；基于所述时序树分解，构建TD‑H2H索引；基于所述TD‑H2H索引，构建TD‑OAI查询算法,并将获取的最短路径查询问题代入到所述TD‑OAI查询算法，得到最短旅行时间及其对应的路径。本发明通过采用索引方法在时序道路网络上进行最短路径查询，考虑到了时间信息对道路网络上路径规划结果的影响，能提供更合理的路径规划结果；与现有的时序图上的非索引技术相比大大提高了查询效率。
-
Patent Agency Ranking
公开(公告)号：CN115827924A
公开(公告)日：2023-03-21
申请号：CN202211650061.3
申请日：2022-12-21
Applicant: 思创数码科技股份有限公司
IPC: G06F16/901 , G06F16/903 , G06F9/50
Abstract: 本发明提供了一种基于多GPU的大图子图匹配方法及系统，所述方法包括对大图进行子图划分，以得到若干子图，若干所述子图包括分区内子图与跨分区子图；对所述分区内子图进行顺序查询，以得到所述分区内子图的匹配顺序，基于所述匹配顺序确定所述分区内子图的第一匹配策略；识别所述跨分区子图的跳数，并基于所述跳数确定所述跨分区子图的第二匹配策略；通过GPU整合所述第一匹配策略与所述第二匹配策略，以完成所述分区内子图与所述跨分区子图的匹配。本发明可以在多GPU上并行处理子图匹配问题，解决了图规模对于GPU大图子图匹配的限制。
-
公开(公告)号：CN114595398A
公开(公告)日：2022-06-07
申请号：CN202210189837.X
申请日：2022-02-28
Applicant: 思创数码科技股份有限公司
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00
Abstract: 本发明公开了一种演化社交网络中用户行为驱动的影响力最大化方法，该方法包括：步骤1，获取社交网络中用户的行为数据，建立随时间演化的演化社交网络模型；步骤2，根据用户的行为日志，计算用户之间的信息传播概率，以得到演化社交网络中边的权重；步骤3，对独立级联传播模型进行改进，建立用户行为驱动的独立级联传播模型；步骤4，根据改进的反向采样方法，查询不同时间点下演化社交网络中最有影响力的k个节点，即种子节点集合；步骤5，验证用户行为驱动的独立级联传播模型的有效性。本发明能够解决现有技术未考虑用户行为对信息传播的影响，不能在演化社交网络上准确查询出影响力最大的用户的问题。
-
公开(公告)号：CN114707173B
公开(公告)日：2025-02-14
申请号：CN202210192419.6
申请日：2022-02-28
Applicant: 思创数码科技股份有限公司
IPC: G06F21/62 , G06F16/901 , G06F16/906
Abstract: 本发明提供一种多维数据个性化隐私保护方法、系统及存储介质，所述方法包括：根据用户设定从隐私预算列表中的多个隐私预算等级中选择目标隐私预算等级；根据所述目标隐私预算等级对多维混合型数据进行有偏采样以获得维度索引列表、并判断所述维度索引列表中各个索引的数据类型，所述数据类型包括分类型数据和数值型数据；根据数据扰动规则分别对所述分类型数据和所述数值型数据进行相应的扰动、并获得扰动后的分类型数据扰动向量和数值型数据扰动值；分别对所述分类型数据扰动向量和所述数值型数据扰动值做聚合操作。解决了现有技术中在本地化差分隐私的环境下无法满足对多维混合型数据进行个性化隐私保护的技术问题。
-
公开(公告)号：CN114707173A
公开(公告)日：2022-07-05
申请号：CN202210192419.6
申请日：2022-02-28
Applicant: 思创数码科技股份有限公司
IPC: G06F21/62 , G06F16/901 , G06F16/906
Abstract: 本发明提供一种多维数据个性化隐私保护方法、系统及存储介质，所述方法包括：根据用户设定从隐私预算列表中的多个隐私预算等级中选择目标隐私预算等级；根据所述目标隐私预算等级对多维混合型数据进行有偏采样以获得维度索引列表、并判断所述维度索引列表中各个索引的数据类型，所述数据类型包括分类型数据和数值型数据；根据数据扰动规则分别对所述分类型数据和所述数值型数据进行相应的扰动、并获得扰动后的分类型数据扰动向量和数值型数据扰动值；分别对所述分类型数据扰动向量和所述数值型数据扰动值做聚合操作。解决了现有技术中在本地化差分隐私的环境下无法满足对多维混合型数据进行个性化隐私保护的技术问题。
-
公开(公告)号：CN114595751A
公开(公告)日：2022-06-07
申请号：CN202210186867.5
申请日：2022-02-28
Applicant: 思创数码科技股份有限公司
Abstract: 本发明提供一种节点分类方法、系统、可读存储介质及计算机设备，方法包括：获取属性图，并根据属性图计算出各节点的拓扑相似度矩阵以及属性相似度矩阵；利用图神经网络模型计算出各节点的相似度矩阵；根据拓扑相似度矩阵、属性相似度矩阵以及相似度矩阵优化图神经网络模型的参数，得到优化后的图神经网络模型；将属性图输入到优化后的图神经网络模型中，得到属性图中各节点的嵌入向量；构建节点分类模型，并将各节点的嵌入向量输入，得到属性图中各节点的节点分类。本发明无需标记数据即可获取属性图上各节点的嵌入向量，优化后的图神经网络模型针对属性图上各节点生成包含更多拓扑信息和属性信息的嵌入向量，更准确的对节点进行分类。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
