基于拟态环境的深度多模裁决方法、系统、裁决器及介质

    公开(公告)号:CN118101256A

    公开(公告)日:2024-05-28

    申请号:CN202410164815.7

    申请日:2024-02-05

    Abstract: 本发明提供了一种基于拟态环境的深度多模裁决方法、系统、裁决器及介质,所述方法包括:获取每个在线异构执行体对应的待处理数据,将每个在线异构执行体对应的待处理数据进行递归遍历和钻取;对钻取到的数据进行扁平化处理,获得扁平化字符串;对所述扁平化字符串中的各个字符进行排序,得到各个在线异构执行体对应的字符串集合;对于任意两个在线异构执行体对应的字符串集合进行双向求差,得到差集结果;基于在线异构执行体对应的差集结果和预设裁决策略,获得深度裁决结果。本发明通过将待处理数据获得扁平化字符串,以消除JSON顺序带来的对比错误问题,解决了对执行体数据裁决不深入不彻底的问题,同时提高裁决的可读性,健壮性,维护性。

    基于局部结构的微博网络重要节点发现方法、装置及介质

    公开(公告)号:CN111859164A

    公开(公告)日:2020-10-30

    申请号:CN202010548943.3

    申请日:2020-06-16

    Abstract: 本发明涉及一种基于局部结构的微博网络重要节点发现方法、装置及介质,本发明的技术方案通过获取微博网络数据并建立网络拓扑模型;计算邻居节点对节点重要性的贡献;根据网络拓扑模型中任意节点的出入度和节点对邻居节点的贡献计算节点的局部重要性;计算邻居节点的局部重要性,通过节点的局部重要性及邻居节点的局部重要性对节点进行排序;通过SIR模型计算每个节点在设定时间内的传播能力;通过检测算法进行准确性校验,输出精确预测的节点传播能力的排序。本发明的有益效果为:充分挖掘节点的影响力,通过计算节点自身重要性和邻居节点重要性,针对大规模稀疏微博网络数据具有较好的应用价值,且具有时间复杂度低,降低了系统资源的消耗。

Patent Agency Ranking