-
公开(公告)号：CN119578753A
公开(公告)日：2025-03-07
申请号：CN202411556477.8
申请日：2024-11-01
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06Q10/0631 , G06Q50/00 , G06F17/16 , G06F17/18
Abstract: 本申请涉及一种影响力资源分配方法、装置、计算机设备和存储介质，其中，该方法包括：估计社交网络中多个种子节点的影响力边界值；根据各种子节点的影响力边界值和各种子节点的开销，确定各种子节点的密度；确定多个代理中每个代理已拥有的影响力资源，按照影响力资源从小到大的顺序，分别为各代理分配预算范围内密度最大的种子节点。采用本方法能够在种子节点的真实影响力未知时，保证最终得到的影响力资源分配方案有较好的公平性。
-
公开(公告)号：CN119537677A
公开(公告)日：2025-02-28
申请号：CN202411348299.X
申请日：2024-09-25
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0455 , G06F16/9538
Abstract: 本申请涉及一种基于排序目标的推荐方法、装置、计算机设备和存储介质，其中，该方法包括：获取训练样本；训练样本包括多个样本用户与相应物品的历史交互数据；基于推荐场景下的AUC指标，构建初始推荐模型的优化目标；基于优化目标、训练样本以及预设损失函数，对初始推荐模型训练得到物品推荐模型；根据物品推荐模型输出的用户表征和物品表征，预测用户与推荐物品的兴趣得分，以根据兴趣得分得到推荐物品的推荐排序结果。通过本申请，能够基于推荐场景下的AUC指标，构建初始推荐模型的优化目标，使得优化目标和推荐场景下的排序目标更加统一和适配，从而提高了推荐模型的排序效果。
-
公开(公告)号：CN119444350A
公开(公告)日：2025-02-14
申请号：CN202411404341.5
申请日：2024-10-09
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/214 , G06Q30/0201 , G06Q30/0282 , G06F18/22
Abstract: 本申请涉及一种物品推荐方法、装置、计算机设备和存储介质，其中，该方法包括：获取训练数据集，训练数据集为包含各样本用户与各样本物品之间交互信息的文档数据或文本数据；针对预先建立的推荐模型，构建基于预设瑞丽散度系数和可学习的用户个性化阈值参数的推荐损失函数；将训练数据集输入推荐模型，基于推荐损失函数训练推荐模型，得到训练完备的推荐模型；推荐模型的输出为文档关于特定物品的预测评分，或文本关于特定物品的预测评分；将目标用户与目标物品之间的历史交互数据输入推荐模型，得到关于目标物品的预测评分，基于各预测评分的排序进行物品推荐。通过本申请，解决了无法向用户准确推荐物品的问题，实现了向用户准确推荐物品。
-
公开(公告)号：CN119398094A
公开(公告)日：2025-02-07
申请号：CN202411303419.4
申请日：2024-09-18
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06N3/042 , G06N3/0455 , G06N3/0499 , G06N3/084
Abstract: 本申请涉及一种图神经网络训练方法、装置、设备和可读存储介质。所述方法包括：获取图结构的多个训练边集和待训练的图神经网络；确定每个训练边集各条边中每个节点的邻居节点集；通过确定邻居节点集中每个邻居节点的邻居位置编码信息和结构位置编码信息，以及对节点间的共同邻居进行扩展，得到共同邻居编码信息；根据结构位置编码信息和共同邻居编码信息对图神经网络进行训练，在满足预设训练条件的情况下，结束训练得到训练好的图神经网络；获取待处理图结构，将待处理的图结构输入至训练好的图神经网络，得到待处理图结构的预测结果。采用本方法能够提高预测的准确性。
-
公开(公告)号：CN119251626A
公开(公告)日：2025-01-03
申请号：CN202411161452.8
申请日：2024-08-22
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06V10/776 , G06V10/774
Abstract: 本申请涉及一种模型验证方法、装置、计算机设备和存储介质，方法包括：获取生成模型基于第一噪声和第一文本生成的第一合成图，以及生成模型基于第二噪声和第二文本生成的第二合成图；根据第一模型对第一合成图的预测结果和第一噪声，得到第一目标噪声，并根据第二模型对第二合成图的预测结果和第二噪声，得到第二目标噪声；获取生成模型基于第一目标噪声和第一文本生成的第三合成图，以及基于第二目标噪声和第二文本生成的第四合成图；通过比较第一模型对第三合成图的预测结果和第二模型对第四合成图的预测结果，判断第一模型是否对生成模型进行知识窃取，采用本方法能够准确验证第一模型是否对生成模型的合成图数据集进行知识窃取。
-
Patent Agency Ranking
公开(公告)号：CN119359585A
公开(公告)日：2025-01-24
申请号：CN202411295660.7
申请日：2024-09-14
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06T5/70 , G06V10/764 , G06V10/74 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种图结构去噪方法、装置和存储介质，其中，方法包括：基于图结构学习模型对第一图结构进行修正，得到第二图结构；基于图卷积网络模型对第二图结构进行处理，构建节点的预测置信度矩阵；根据预测置信度矩阵和置信度阈值，生成第一掩码矩阵，并采用第一掩码矩阵调整第二图结构，得到第三图结构；基于每一次调整置信度阈值后得到的第三图结构，重训练图结构学习模型和图卷积网络模型，确定目标置信度阈值；根据目标置信度阈值和预测置信度矩阵，生成第二掩码矩阵；采用第二掩码矩阵调整目标图结构。通过本申请，不会额外给图邻接矩阵增加连接(噪声)，同时也避免为邻接矩阵增加额外的存储开销。
-
公开(公告)号：CN118194088B
公开(公告)日：2025-03-28
申请号：CN202410297915.7
申请日：2024-03-15
Applicant: 浙江大学
IPC: G06F18/24 , G06F18/213 , G06Q30/018 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合图扩散卷积与分组聚合特征的欺诈识别方法和装置。该方法包括提取原图结构，对原图进行图结构增强获得两跳图，输入到分类模型，包括对图按照关系类型划分关系子图，对各关系子图做特征分组聚合，对各关系子图分组聚合后的特征做图扩散卷积，再将各关系子图扩散卷积后的特征做关系聚合得到最终特征并通过全连接层输出预测结果。本发明的图扩散卷积除了聚合原图的分组邻域节点特征，还聚合了图结构增强生成的二跳图的分组邻域节点特征，充分利用了图的结构信息，关系信息，分组信息。本发明在欺诈检测领域的应用，能有效提高对欺诈的识别能力，有很大的实用价值。
-
公开(公告)号：CN118227619A
公开(公告)日：2024-06-21
申请号：CN202410255794.X
申请日：2024-03-06
Applicant: 浙江大学
IPC: G06F16/22 , G06F16/23 , G06F16/27 , G06F40/247
Abstract: 本发明公开了一种支持键值数据库分批多版本事务的谓词索引方法，其作用于多版本并发控制的内存数据库系统中。这一机制为内存数据库的最小集中存储单位维护一个谓词索引表，存储从谓词函数及其结果向数据版本物理地址的映射；对于数据库的事务执行，使用周期性更新的批次将事务切分，通过旧版本指向新版本的多版本并发控制算法维持主版本物理地址在一个批次内不变，进而使得事务并发执行时不需要修改谓词索引表。同时缓存事务提交时的谓词索引映射值得到缓存索引表，并使得这一缓存一方面支持批次内的查询请求的直接访问，另一方面能够在批次递增时合并入主谓词索引表，进而提升索引查询响应速度并减少索引表更新频率。
-
公开(公告)号：CN118170950B
公开(公告)日：2025-05-23
申请号：CN202311781141.7
申请日：2023-12-22
Applicant: 浙江大学
IPC: G06F16/901 , G06F18/23 , G06F9/50
Abstract: 本发明提出了一种分布式的基于邻居节点聚类的图分割方法及装置。构建无向图以及指定的分区个数，将点集划分为若干个子集，使得每个节点均位于且仅位于其中一个子集中；满足负载均衡限制，分区大小尽可能均等；割边数量最小化，即两端处于不同分区的边的总量尽可能少。本发明基于图分割问题的LDG算法：采用邻居节点聚类的思想，将每个节点指派至邻居节点中所在最多的分区，通过将关联紧密的节点纳入同一分区降低割边的数量；对较大的分区施加线性惩罚因子，从而满足负载均衡限制。在单机LDG算法的基础上，本发明设计并实现了一套高效、易于实现，且适用于任意分区个数k的分布式并行计算方案，能在较短的运行时间内对巨型图结构完成划分。
-
公开(公告)号：CN117290408A
公开(公告)日：2023-12-26
申请号：CN202311216746.1
申请日：2023-09-20
Applicant: 浙江大学
IPC: G06F16/2458 , G08G1/01 , G06F16/29 , G06F18/243 , G06N3/094 , G06N3/0455
Abstract: 一种两阶段生成的细粒度车辆轨迹生成方法，包括：步骤1)生成Geohash下的区域转移轨迹：首先对车辆轨迹进行Geohash，找到车辆GPS坐标对应的Geohash编码，从而原始数据中得到在Geohash这种粗粒度下车辆的转移轨迹，之后，使用GAN模型学习不同区域之间的转移规律，从而生成Geohash间转移的连续的轨迹；步骤2)生成基于驾驶意图的细粒度轨迹：根据生成的Geohash区域确定区域内的转移轨迹，预测的粒度为道路之间的转移轨迹，包括对转移轨迹的起始/终止位置进行确定，预测道路节点间的路径。本发明的优点在于，通过两阶段生成的方式，同时考虑整体转移模式和个体驾驶行为，能够实现对个体行为的更加精细化建模，从而提高轨迹生成的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.036 seconds)
