-
公开(公告)号：CN107909433A
公开(公告)日：2018-04-13
申请号：CN201711121288.8
申请日：2017-11-14
Applicant: 重庆邮电大学
CPC classification number: G06Q30/0631 , G06K9/629 , G06Q30/0202
Abstract: 本发明请求保护一种基于大数据移动电子商务的商品推荐方法，包括：101对用户的历史行为数据进行预处理操作；102根据行为时间对用户历史数据进行数据划分操作；103对用户历史行为数据打标；104对用户历史数据进行特征工程构建操作；105建立多个机器学习模型，并进行模型融合操作；106通过已建立的模型，根据用户行为数据对用户在未来一天是否购买某商品进行预测。本发明主要是通过对用户历史数据进行预处理和分析提取特征，建立多个机器学习模型，从而预测用户在未来一天中购买某商品的概率，提高商家给用户推荐商品的精度。
-
公开(公告)号：CN119719802A
公开(公告)日：2025-03-28
申请号：CN202411877818.1
申请日：2024-12-19
Applicant: 重庆邮电大学
IPC: G06F18/22 , G06F18/25 , G06F18/20 , G06F16/36 , G06F40/30 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06N5/022
Abstract: 本发明涉及一种基于BERT和图对比学习的异构本体匹配方法及系统，属于语义web和深度学习相结合的领域。本发明通过语义特征提取模块提取本体内部三元组信息构建语料库，将语料库输入BERT模型微调参数，利用微调后的BERT模型生成实体的语义特征向量；再通过图对比学习模块依据本体图的拓扑结构执行图采样，产生两个视图。通过选定正负样本并设定损失函数实施训练，生成实体综合特征向量；最后采用相似度计算模块计算不同实体对的最终相似度得分。本发明能够有效地利用本体图的拓扑结构来提取结构特征，克服了传统结构特征无法充分表达实体间复杂结构关系的问题，提升了匹配的准确性。
-
公开(公告)号：CN110232473B
公开(公告)日：2022-12-27
申请号：CN201910430445.6
申请日：2019-05-22
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q30/02 , G06Q50/00 , G06F16/9536
Abstract: 本发明请求保护一种基于大数据金融的黑产用户预测方法，包括：101对用户的历史操作数据和历史交易数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103对特征工程构造的特征进行筛选；104建立多个机器学习模型，通过模型融合提高模型的泛化性能；105通过建立的模型，对用户是否是黑产用户进行预测。本发明主要是通过用户30天的操作数据和交易数据以及黑产用户信息，构建特征工程，建立机器学习模型，从而能够在未来通过用户行为预测用户是否是黑产用户，来识别交易风险，切实结合当下的技术发展需求。
-
公开(公告)号：CN114117040A
公开(公告)日：2022-03-01
申请号：CN202111315298.1
申请日：2021-11-08
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于标签特定特征和标签相关性的文本数据多标签分类方法，包括：101对文本数据进行预处理,结合实例标签空间和特征空间构造新的实例特征空间；102对正负实例特征空间计算聚类个数，并构造标签特定特征；103对文本数据集中成对标签计算相关性，构造标签间相关性无向完全图；104采用扩展Kruskal算法在图中计算最大生成树集合；105从树集合中依次选择生成树，并从根节点开始使用二分类器在树上进行递归预测，对预测结果进行树上集成得出文本实例标签集。本发明能够有效的抑制预测过程中的误差传递问题，并且采用树集合集成预测，能够有效的利用标签集合间不同的相关性，进一步提高多标签分类的性能。
-
公开(公告)号：CN110232473A
公开(公告)日：2019-09-13
申请号：CN201910430445.6
申请日：2019-05-22
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q30/02 , G06Q50/00 , G06F16/9536
Abstract: 本发明请求保护一种基于大数据金融的黑产用户预测方法，包括：101对用户的历史操作数据和历史交易数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103对特征工程构造的特征进行筛选；104建立多个机器学习模型，通过模型融合提高模型的泛化性能；105通过建立的模型，对用户是否是黑产用户进行预测。本发明主要是通过用户30天的操作数据和交易数据以及黑产用户信息，构建特征工程，建立机器学习模型，从而能够在未来通过用户行为预测用户是否是黑产用户，来识别交易风险，切实结合当下的技术发展需求。
-
Patent Agency Ranking
公开(公告)号：CN109697332A
公开(公告)日：2019-04-30
申请号：CN201910031830.3
申请日：2019-01-14
Applicant: 重庆邮电大学
Abstract: 本发明提出一种基于非监督学习方法的流计算系统的异常监测方案，属于分布式实时系统异常监测领域，具体包括：系统行为描述模块，基于小样本约束条件构建异常监测模块，在线自适应异常监测三大模块。首先，该方法基于利用事件处理技术对原始事件进行转换操作得到复合事件的基础上，从而获取事件状态数据指标和物理状态数据指标，再通过时间窗口技术融合采集到的数据指标得到系统行为状态指标空间，实现流计算系统的行为描述；其次，提出一种非监督统计分析方法，构建基于小样本约束条件下的异常监测模型，实现流计算系统的不均衡数据的异常监测；最后，提出一种在线自适应异常监测模型，自动调整网络结构，更新聚类中心，实现在线自适应异常监测。
-
公开(公告)号：CN109150840A
公开(公告)日：2019-01-04
申请号：CN201810823929.2
申请日：2018-07-25
Applicant: 重庆邮电大学
CPC classification number: H04L63/123 , H04L9/0643 , H04L9/321 , H04L9/3297 , H04L67/12
Abstract: 本发明提出一种车联网中更新包自适应防篡改的数据结构及方法，属于车联网安全领域。包括如下步骤：S1、服务器端选择需要传输的更新包，给ID赋值，并获取当前的时间给Ts赋值；S2、获取当前更新包属性，根据标记位的要求，服务器端分别给标记位TAG2,...,TAGn赋值；S3、获取当前更新包信息，生成信息摘要给MD赋值；S4、车载终端获取更新包，判断车辆当前行驶速度状态，给TAG1字段赋值；S5、根据n个标记位的组合值所反应情形赋予安全等级，并根据安全等级选择合适的完整性度量方案。本发明提出了一种更新包的数据结构，这种新的结构形式新增了ID字段、Ts字段、TAG1,...,TAGn标记位字段和MD字段，其中标记位字段使得在车联网系统中可以更加灵活的选择与当前环境最适合的完整性度量方案。
-
公开(公告)号：CN114036380A
公开(公告)日：2022-02-11
申请号：CN202111313875.3
申请日：2021-11-08
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04
Abstract: 本发明请求保护一种基于时间门控循环单元的跨领域序列智能推荐方法，所述方法包括：对两个领域的数据集进行预处理；将用户在两个领域的历史行为序列按照时间先后顺序合并成一个序列；使用时间门控循环单元对跨领域序列进行建模；通过两个领域特定子网络建模分别得到两个领域候选行为的概率分布，然后同时对两个领域作下一个行为推荐。本发明通过增加领域感知的时间门来解决跨领域序列中相邻行为时间间隔不一致问题；并且还增加了一个基于用户偏好的用户门，可以对目标用户实现个性化推荐。本发明可以在一定程度缓解数据稀疏、用户冷启动等常见问题。
-
公开(公告)号：CN109150840B
公开(公告)日：2021-04-20
申请号：CN201810823929.2
申请日：2018-07-25
Applicant: 重庆邮电大学
Abstract: 本发明提出一种车联网中更新包自适应防篡改的数据结构及方法，属于车联网安全领域。包括如下步骤：S1、服务器端选择需要传输的更新包，给ID赋值，并获取当前的时间给Ts赋值；S2、获取当前更新包属性，根据标记位的要求，服务器端分别给标记位TAG2,...,TAGn赋值；S3、获取当前更新包信息，生成信息摘要给MD赋值；S4、车载终端获取更新包，判断车辆当前行驶速度状态，给TAG1字段赋值；S5、根据n个标记位的组合值所反应情形赋予安全等级，并根据安全等级选择合适的完整性度量方案。本发明提出了一种更新包的数据结构，这种新的结构形式新增了ID字段、Ts字段、TAG1,...,TAGn标记位字段和MD字段，其中标记位字段使得在车联网系统中可以更加灵活的选择与当前环境最适合的完整性度量方案。
-
公开(公告)号：CN109753385A
公开(公告)日：2019-05-14
申请号：CN201910031931.0
申请日：2019-01-14
Applicant: 重庆邮电大学
Abstract: 本发明属于大数据分布式计算领域，具体涉及一种面向流计算系统异常监控的恢复方法及系统。该方法及系统包括：计算模块、异常监控模块、备份模块、多等级恢复模块。异常监控模块定期的对计算模块中的各项指标进行状态刻画、分析及评估，当监测到计算节点的状态出现异常时，通过系统的多等级恢复模块计算节点进行容错恢复。其中异常机制会通过分析指标数据对异常程度进行评估并划分等级，系统恢复模块根据异常等级划分结果选择不同的恢复策略。本发明结合流计算系统的运行环境，设计了一种针对流计算系统异常监控及恢复方法，能够对系统的状态进行感知与异常恢复，可用于系统的异常监控、容错恢复等实际问题，从而提高系统的可用性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
