-
公开(公告)号：CN107786388B
公开(公告)日：2020-02-14
申请号：CN201710880542.6
申请日：2017-09-26
Applicant: 西安交通大学
Abstract: 本发明提供一种基于大规模网络流数据的异常检测系统，通过对输入的网络流数据进行采样和实时的三角形数目估计，检测当前网络中的某个点或某些点是否存在异常连接，包括数据预处理，网络流数据采样，网络建模及三角形数目估计和异常检测这四个子系统；在给定的网络流提取出有用的信息；利用PartitionCT算法对流数据进行等概率采样，建立相应的网络模型，并实时的估计全局或局部三角形数量；利用该结果对网络中是否存在异常进行判别；本发明可用于网络流采样；可用于估计网络流图中不同边的数目；也可用于动态估计网络中三角形数目并估计网络密度；还可以根据估计出的全局或局部三角形数目，进行网络或单个节点的异常检测等。
-
公开(公告)号：CN110162787A
公开(公告)日：2019-08-23
申请号：CN201910368367.1
申请日：2019-05-05
Applicant: 西安交通大学
Abstract: 本申请提出一种基于主题信息的类别预测方法及装置，适用于法律文书的罪名预测，在层级神经网络的基础上，根据案情描述文本的主题信息刻画每个句子中每个词汇与案情文本整体的关联，同时通过主题信息确定各个句子的重要性，加权求和得到案情描述文本的语义向量表示，输入到分类器中预测案件对应的罪名。本方法使用主题信息挖掘案情描述文本中的重点词语与句子，能得到更有效的案情描述文本的语义向量表示，从而在低频罪名预测上达到更好的效果。
-
公开(公告)号：CN109919368B
公开(公告)日：2020-11-17
申请号：CN201910142623.5
申请日：2019-02-26
Applicant: 西安交通大学
Abstract: 本申请提供一种基于关联图的法条推荐系统及方法，包括：获取案情描述、涉及法律的各法条及其间引用关系的获取模块，利用法条间引用关系构造关联图的关联图构造模块，构建学习模型、提取得到包含案情描述文本主要语义信息的语义提取模块，对应关联图中的每一个节点构造分类器预测节点对应法条标签为真的可能性以及该节点的下一步流向的分类器构造模块，利用深度学习的优化算法训练此由分类器构成的网状模型的训练模块。本系统应用于法条推荐任务，能够利用法条间引用关系进行多标签预测，提升法条推荐工作的准确率。
-
公开(公告)号：CN107786388A
公开(公告)日：2018-03-09
申请号：CN201710880542.6
申请日：2017-09-26
Applicant: 西安交通大学
Abstract: 本发明提供一种基于大规模网络流数据的异常检测系统，通过对输入的网络流数据进行采样和实时的三角形数目估计，检测当前网络中的某个点或某些点是否存在异常连接，包括数据预处理，网络流数据采样，网络建模及三角形数目估计和异常检测这五个子系统；在给定的网络流提取出有用的信息；利用PartitionCT算法对流数据进行等概率采样，建立相应的网络模型，并实时的估计全局或局部三角形数量；利用该结果对网络中是否存在异常进行判别；本发明可用于网络流采样；可用于估计网络流图中不同边的数目；也可用于动态估计网络中三角形数目并估计网络密度；还可以根据估计出的全局或局部三角形数目，进行网络或单个节点的异常检测等。
-
Patent Agency Ranking
公开(公告)号：CN106600052A
公开(公告)日：2017-04-26
申请号：CN201611139349.9
申请日：2016-12-12
Applicant: 西安交通大学
Abstract: 本发明提供一种基于时空轨迹的用户属性与社会网络检测系统，通过对用户的行为模式进行分析，预测用户的真实身份属性，包括数据处理，社会网络建模，特征提取和分类预测这四个子系统；对时空轨迹数据进行分析；根据时空轨迹数据，提出原创的基于点互信息的方法建立用户的社会网络模型；提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征；利用用户的隐含特征使用多种分类器对用户属性进行预测；本发明可用于用户属性真实性检测；也可用于用户社会网络检测；还可以根据预测出的属性和社会网络，进行信息的精准推送、好友推荐等。
-
公开(公告)号：CN106600053B
公开(公告)日：2020-04-10
申请号：CN201611141121.3
申请日：2016-12-12
Applicant: 西安交通大学
IPC: G06Q10/04 , G06F16/9537 , G06K9/62
Abstract: 本发明提供一种基于时空轨迹和社会网络的用户属性预测系统，通过对用户的行为模式进行分析，预测用户的真实身份属性。包括数据处理，特征提取和分类预测这三个子系统；对时空轨迹数据和社会网络数据进行分析；提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征；利用用户的隐含特征使用多种分类器对用户属性进行预测。本发明可用于用户属性真实性检测；也可用于根据预测出的属性进行精准推广。
-
公开(公告)号：CN106600052B
公开(公告)日：2020-04-10
申请号：CN201611139349.9
申请日：2016-12-12
Applicant: 西安交通大学
IPC: G06Q10/04 , G06F16/9537 , G06K9/62
Abstract: 本发明提供一种基于时空轨迹的用户属性与社会网络检测系统，通过对用户的行为模式进行分析，预测用户的真实身份属性，包括数据处理，社会网络建模，特征提取和分类预测这四个子系统；对时空轨迹数据进行分析；根据时空轨迹数据，提出原创的基于点互信息的方法建立用户的社会网络模型；提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征；利用用户的隐含特征使用多种分类器对用户属性进行预测；本发明可用于用户属性真实性检测；也可用于用户社会网络检测；还可以根据预测出的属性和社会网络，进行信息的精准推送、好友推荐等。
-
公开(公告)号：CN109919368A
公开(公告)日：2019-06-21
申请号：CN201910142623.5
申请日：2019-02-26
Applicant: 西安交通大学
Abstract: 本申请提供一种基于关联图的法条推荐系统及方法，包括：获取案情描述、涉及法律的各法条及其间引用关系的获取模块，利用法条间引用关系构造关联图的关联图构造模块，构建学习模型、提取得到包含案情描述文本主要语义信息的语义提取模块，对应关联图中的每一个节点构造分类器预测节点对应法条标签为真的可能性以及该节点的下一步流向的分类器构造模块，利用深度学习的优化算法训练此由分类器构成的网状模型的训练模块。本系统应用于法条推荐任务，能够利用法条间引用关系进行多标签预测，提升法条推荐工作的准确率。
-
公开(公告)号：CN106600053A
公开(公告)日：2017-04-26
申请号：CN201611141121.3
申请日：2016-12-12
Applicant: 西安交通大学
Abstract: 本发明提供一种基于时空轨迹和社会网络的用户属性预测系统，通过对用户的行为模式进行分析，预测用户的真实身份属性。包括数据处理，特征提取和分类预测这三个子系统；对时空轨迹数据和社会网络数据进行分析；提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征；利用用户的隐含特征使用多种分类器对用户属性进行预测。本发明可用于用户属性真实性检测；也可用于根据预测出的属性进行精准推广。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
