-
公开(公告)号：CN107909217A
公开(公告)日：2018-04-13
申请号：CN201711244961.7
申请日：2017-11-30
Applicant: 武汉大学
Abstract: 本发明涉及一种用于向社会网络演化规律异常节点判定及影响评估方法，具体包括：1、构建节点在不同时段的演化规律描述向量，动态全面地描述节点的演化规律，检测节点在演化过程中的异常，判定演化规律异常节点；2、提出结构扰动指标，定量地评估演化规律异常节点对当前社会网络结构的影响。因此，本发明具有如下优点：1.本发明从微观节点的角度分析社会网络动态演化过程中的演化异常，有助于精确制定策略打击异常演化节点，更深入的分析社会网络演化。2.本发明利用矩阵扰定量分析社会网络异常节点的行为对当前社会网络结构的影响，提供了一种统一的方法框架评估所有的个体节点的行为，避免了个体节点特征差异对评估结果的影响。
-
公开(公告)号：CN110276679A
公开(公告)日：2019-09-24
申请号：CN201910434402.5
申请日：2019-05-23
Applicant: 武汉大学
Abstract: 本发明属于计算机科学技术领域，公开了一种面向深度学习的网络个人信贷欺诈行为检测方法，包括以下步骤：获取历史网络个人信贷信息；选取降噪梯度提升树的第一子参数；对降噪梯度提升树进行训练，使用历史网络个人信贷信息进行无监督学习，得到第一数据特征；使用第一数据特征进行有监督学习，完成降噪梯度提升树模型训练；存储降噪梯度提升树模型；输入新的网络个人信贷信息，通过降噪梯度提升树模型对欺诈行为进行检测。本发明具有更强的抗噪性和鲁棒性，能够提高网络个人信贷的欺诈检测效果。
-
公开(公告)号：CN107977745A
公开(公告)日：2018-05-01
申请号：CN201711241949.0
申请日：2017-11-30
Applicant: 武汉大学
Abstract: 本发明涉及一种用于社会网络节点异常演化行为检测与评估方法，并给出了边缘生成和删除的设计指标，以评估一种关联预测算法的演化机制。此外，我们还提出了一种NEB向量来描述NEB的特征，并通过对不同时期内NEB向量之间的差异进行定量分析，从而发现了AEBN。此外，考虑到AEBN作为一种社会网络结构的扰动，提出了一种扰动指数量化AEBN客观上的社会网络结构的影响。用大量的实验涉及八个不同的现实世界中的社会网络的先进方法的比较结果表明，我们提出的方法可以有效地检测AEBN和合理评估其效果。
-
公开(公告)号：CN110276679B
公开(公告)日：2021-05-04
申请号：CN201910434402.5
申请日：2019-05-23
Applicant: 武汉大学
Abstract: 本发明属于计算机科学技术领域，公开了一种面向深度学习的网络个人信贷欺诈行为检测方法，包括以下步骤：获取历史网络个人信贷信息；选取降噪梯度提升树的第一子参数；对降噪梯度提升树进行训练，使用历史网络个人信贷信息进行无监督学习，得到第一数据特征；使用第一数据特征进行有监督学习，完成降噪梯度提升树模型训练；存储降噪梯度提升树模型；输入新的网络个人信贷信息，通过降噪梯度提升树模型对欺诈行为进行检测。本发明具有更强的抗噪性和鲁棒性，能够提高网络个人信贷的欺诈检测效果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
