基于深度学习的有害信息检测方法及系统

    公开(公告)号:CN112351429A

    公开(公告)日:2021-02-09

    申请号:CN202011137247.X

    申请日:2020-10-22

    Abstract: 本发明公开了基于深度学习的有害信息检测方法及系统,该方法包括:S100,采集多个用户的CDR数据、XDR数据及信令数据,得到样本数据,对样本数据进行分解,提取样本特征,并存入数据集合;S200,从数据集合中提取通信节点统计及子图的相关属性和表征,并对相关属性及表征进行预处理,并划分训练集和测试集,使训练集和测试集包括一定数量的有害数据;S300,将训练集输入基于循环神经网络的深度学习模型,进行监督训练,并结合测试集对深度学习模型进行优化,得到评估模型;S400,根据评估模型进行有害信息的定位分析。本发明较大程度地提升了电话通信中的有害信息的分析实时性及准确性,并能对模型进行在线训练和持续提升。

    基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质

    公开(公告)号:CN111954158A

    公开(公告)日:2020-11-17

    申请号:CN202010626890.2

    申请日:2020-07-01

    Abstract: 本发明涉及一种基于RSS地图的联合滤波室内单目标跟踪方法、装置及介质的技术方案,包括:按照一定的方式设定和测量少量参考点位置处的RSSI信息,将参考点对应每个AP的RSSI信息由一个高斯过程的均值和方差代替,通过基于标准高斯过程的RSSI概率模型,以模型计算的方式获得全局所有参考点的RSSI指纹,生成RSS地图。在空间狭窄区域,使用无迹卡尔曼滤波算法进行目标跟踪,在空间开阔区域,使用粒子滤波算法进行跟踪。本发明的有益效果为:解决了大型室内场所RSSI指纹数据库生成困难、工作量大,避免了全局使用粒子滤波计算量过大导致跟踪率低下;同时解决了无迹卡尔曼滤波在目标做非线性运动时跟踪精度不高的问题。

    基于深度学习的有害信息检测方法及系统

    公开(公告)号:CN112351429B

    公开(公告)日:2023-08-08

    申请号:CN202011137247.X

    申请日:2020-10-22

    Abstract: 本发明公开了基于深度学习的有害信息检测方法及系统,该方法包括:S100,采集多个用户的CDR数据、XDR数据及信令数据,得到样本数据,对样本数据进行分解,提取样本特征,并存入数据集合;S200,从数据集合中提取通信节点统计及子图的相关属性和表征,并对相关属性及表征进行预处理,并划分训练集和测试集,使训练集和测试集包括一定数量的有害数据;S300,将训练集输入基于循环神经网络的深度学习模型,进行监督训练,并结合测试集对深度学习模型进行优化,得到评估模型;S400,根据评估模型进行有害信息的定位分析。本发明较大程度地提升了电话通信中的有害信息的分析实时性及准确性,并能对模型进行在线训练和持续提升。

    基于用户兴趣主题的微博网络链路预测方法、装置及介质

    公开(公告)号:CN111859163A

    公开(公告)日:2020-10-30

    申请号:CN202010548003.4

    申请日:2020-06-16

    Abstract: 本发明涉及一种基于用户兴趣主题的微博网络链路预测方法、装置及介质,本发明的技术方案通过爬取微博网络数据并建立用户网络拓扑,将所爬取的用户微博内容汇集成语料文档;通过社会三元关系理论筛选二级好友,得到拥有共同关注的微博用户;对所述语料文本进行文本建模,通过LDA聚类用户语料文档词汇及主题特征;算所述主题特征的概率分布,并构建用户兴趣主题模型;通过KL距离计算所述二级好友的集合间的兴趣主题相似度,并按比例取相似用户作为预测结果。本发明的有益效果为:借助真实微博语料库在潜在好友中依据微博内容提取用户兴趣主题,发现相似用户,并进一步预测用户网络的未来连接,针对微博网络下具有更好的预测效果。

    基于用户兴趣主题的微博网络链路预测方法、装置及介质

    公开(公告)号:CN111859163B

    公开(公告)日:2023-09-29

    申请号:CN202010548003.4

    申请日:2020-06-16

    Abstract: 本发明涉及一种基于用户兴趣主题的微博网络链路预测方法、装置及介质,本发明的技术方案通过爬取微博网络数据并建立用户网络拓扑,将所爬取的用户微博内容汇集成语料文档;通过社会三元关系理论筛选二级好友,得到拥有共同关注的微博用户;对所述语料文本进行文本建模,通过LDA聚类用户语料文档词汇及主题特征;算所述主题特征的概率分布,并构建用户兴趣主题模型;通过KL距离计算所述二级好友的集合间的兴趣主题相似度,并按比例取相似用户作为预测结果。本发明的有益效果为:借助真实微博语料库在潜在好友中依据微博内容提取用户兴趣主题,发现相似用户,并进一步预测用户网络的未来连接,针对微博网络下具有更好的预测效果。

Patent Agency Ranking