-
Patent Agency Ranking
公开(公告)号：CN110874465B
公开(公告)日：2022-01-28
申请号：CN201811011479.3
申请日：2018-08-31
Applicant: 浙江大学
Abstract: 本申请公开一种基于半监督学习算法的移动设备实体识别方法和装置。其中，基于半监督学习算法的移动设备实体识别方法包括：根据确定的移动设备的识别符的共现关系稀疏图中节点的属性特征和用于所述移动设备实体识别的有标记的数据，利用半监督学习算法的损失函数进行迭代运算，确定识别符所属移动设备中心的特征和所述移动设备中心的特征，通过判断识别符所属移动设备中心的特征是否相同以及识别符所属移动设备中心的特征与每个设备中心的特征的相似度，确定多个识别符唯一对应的移动设备。通过利用少量有标记数据结合半监督学习算法损失函数，进行移动设备实体识别，提高了移动设备实体识别的准确度。
-
公开(公告)号：CN110874387A
公开(公告)日：2020-03-10
申请号：CN201811011882.6
申请日：2018-08-31
Applicant: 浙江大学
Abstract: 本申请公开一种移动设备识别符的共现关系稀疏图构建方法和装置，以及一种移动设备识别方法。其中移动设备识别符的共现关系稀疏图构建方法包括：获取移动设备的识别符信息的集合，将移动设备的识别符信息的集合作为共现关系稀疏图的节点，获取包含第一识别符的节点，连接包含第一识别符的节点，当包含第一识别符的节点的数量达到或者超过预设的节点数量阈值时，删除包含第一识别符的节点之间的连接关系，获得所述共现关系稀疏图。保证了图的稀疏性，降低了利用该图进行移动设备识别的算法的复杂度，从而便于对大规模数据进行并行化处理。
-
公开(公告)号：CN110874465A
公开(公告)日：2020-03-10
申请号：CN201811011479.3
申请日：2018-08-31
Applicant: 浙江大学
Abstract: 本申请公开一种基于半监督学习算法的移动设备实体识别方法和装置。其中，基于半监督学习算法的移动设备实体识别方法包括：根据确定的移动设备的识别符的共现关系稀疏图中节点的属性特征和用于所述移动设备实体识别的有标记的数据，利用半监督学习算法的损失函数进行迭代运算，确定识别符所属移动设备中心的特征和所述移动设备中心的特征，通过判断识别符所属移动设备中心的特征是否相同以及识别符所属移动设备中心的特征与每个设备中心的特征的相似度，确定多个识别符唯一对应的移动设备。通过利用少量有标记数据结合半监督学习算法损失函数，进行移动设备实体识别，提高了移动设备实体识别的准确度。
-
公开(公告)号：CN110874387B
公开(公告)日：2022-01-14
申请号：CN201811011882.6
申请日：2018-08-31
Applicant: 浙江大学
Abstract: 本申请公开一种移动设备识别符的共现关系稀疏图构建方法和装置，以及一种移动设备识别方法。其中移动设备识别符的共现关系稀疏图构建方法包括：获取移动设备的识别符信息的集合，将移动设备的识别符信息的集合作为共现关系稀疏图的节点，获取包含第一识别符的节点，连接包含第一识别符的节点，当包含第一识别符的节点的数量达到或者超过预设的节点数量阈值时，删除包含第一识别符的节点之间的连接关系，获得所述共现关系稀疏图。保证了图的稀疏性，降低了利用该图进行移动设备识别的算法的复杂度，从而便于对大规模数据进行并行化处理。
-
公开(公告)号：CN110874607A
公开(公告)日：2020-03-10
申请号：CN201811016527.8
申请日：2018-08-31
Applicant: 浙江大学
Abstract: 本申请公开了一种网络节点的聚类方法及装置。其中所述聚类方法包括：获取第一网络节点的第一聚类中心和第一相似度权重参数；根据所述第一相似度权重参数、所述第一网络节点之间的网络节点属性信息和网络结构信息，获取所述第一网络节点之间的第一相似度；根据所述第一相似度，计算所述第一网络节点和所述第一聚类中心的距离；根据所述距离，将所述第一网络节点进行第一聚类。采用本申请提供的方法，解决了现有技术中，网络节点的聚类方法不支持针对不同种类的网络节点，利用网络节点属性信息和网络结构信息进行聚类的问题。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
