-
公开(公告)号：CN106230661A
公开(公告)日：2016-12-14
申请号：CN201610620800.2
申请日：2016-08-01
Applicant: 北京大学
IPC: H04L12/26
CPC classification number: H04L43/0858 , H04L43/0864 , H04L43/10
Abstract: 本发明公布了网络数据延迟控制方法，涉及网络化数据控制技术。本发明提供的技术方案通过设置大小数据包对来检测网络的延迟差异，分析得到延迟与数据包大小无关分量和与数据包相关分量，能够检测出延迟和数据包大小的关系，从而实现通过设置数据包大小来控制延迟；或者通过对延迟的监测和分析，划分出延迟长期分量和延迟短期分量，从而根据这两个分量可以更精确的预测和控制延迟。
-
公开(公告)号：CN119512524A
公开(公告)日：2025-02-25
申请号：CN202411185891.2
申请日：2024-08-27
Applicant: 北京大学
IPC: G06F8/33 , G06F8/75 , G06N3/0455
Abstract: 本发明提供一种基于大语言模型的多源信息融合的代码生成方法及系统，该方法包括：根据待补全代码的代码结构内容，从第一代码文件路径和多个第二代码文件路径中的代码文件中获取所述待补全代码对应的应用程序编程接口信息和代码关系信息；根据所述应用程序编程接口信息和所述代码关系信息，从目标代码库中匹配得到待定上下文代码片段；将所述待定上下文代码片段输入至代码评价模型，得到由所述代码评价模型输出的目标补全代码片段；根据所述待补全代码对应的代码输入光标位置信息，获取所述待补全代码的前序代码和后缀代码，并根据所述前序代码、所述后缀代码和所述目标补全代码片段，生成代码补全提示词。本发明得到更为准确的代码补全结果。
-
公开(公告)号：CN119396400A
公开(公告)日：2025-02-07
申请号：CN202411192606.X
申请日：2024-08-28
Applicant: 北京大学
IPC: G06F8/41
Abstract: 本发明提供一种基于大模型的代码分析与生成方法及系统，其中方法包括：获取用户输入的生成需求；基于所述生成需求，从代码功能模块集合中，确定待调用的目标功能模块，以及确定所述目标功能模块的执行顺序，所述代码功能模块集合包括代码分析模块和各种代码生成功能的大模型代理模块。基于所述执行顺序依次调用所述目标功能模块，得到与所述生成需求对应的代码。本发明通过自动生成符合规范的代码片段，减轻了开发人员的编码负担，降低了开发成本，提升了开发效率。同时，高效利用大模型代理技术，通过自动化代码分析，提高了分析的准确性。此外，系统能够适应不同的编程语言和开发框架，满足多样化的开发需求。
-
公开(公告)号：CN114968351B
公开(公告)日：2022-10-21
申请号：CN202210913259.X
申请日：2022-08-01
Applicant: 北京大学
IPC: G06F8/75
Abstract: 本发明涉及软件代码分析领域，公开了一种分级多特征的代码同源分析方法及系统，使用值依赖分析技术，脱离了特征提取对于结构的依赖，更准确地发现代码中的不可达路径、并更精确地计算变量常量值和变量之间的依赖关系，从而更加全面、准确构建代码在控制流和数据流上的归一化模型，使用分级的方法，将项目按照粒度由大到小划分为项目、包、文件、类和函数五层，此外按照分析精度由低到高划分为文本、标识、语法、语义四层，通过流水线由项目向函数逐级分解、再从函数向项目逐级推导和综合结果，通过流水线的方式有机组合不同粒度和不同分析层次，利用不同分析方法的优点，加速代码匹配过程，提高匹配速度和匹配精度。
-
公开(公告)号：CN114510722A
公开(公告)日：2022-05-17
申请号：CN202210147761.4
申请日：2022-02-17
Applicant: 北京大学
Abstract: 本发明涉及计算机科学技术领域，尤其涉及一种增量代码的静态检测方法及检测系统。静态检测方法具体包含以下步骤：识别所述待测代码的增量部分，构建抽象语法树，合成待测代码的函数调用图，构建增量部分的值依赖图和待测代码的值依赖图，对待测代码值依赖图进行漏洞检测得增量代码的静态检测结果；还包含步骤：将原代码进行静态分析和将原代码和增量代码的静态检测结果结合得到待测代码的静态检测结果。本发明解决了现有技术中静态检测方法精度差容易漏报或误报及代码更新后全检测周期长、资源消耗大、经济性差的问题，具有以下优点：大幅减少分析时间和内存，效率高，成本低和精度高的特点。
-
Patent Agency Ranking
公开(公告)号：CN113946682B
公开(公告)日：2022-03-11
申请号：CN202111565272.2
申请日：2021-12-21
Applicant: 北京大学
Abstract: 本发明涉及一种基于自适应图神经网络的敏感文本检测方法及系统，方法包括：采集网络敏感文本，将敏感文本以及敏感文本的类型保存至数据库；解析敏感文本，过滤解析后的敏感文本，得到高质量敏感文本语料库；对语料库进行预处理，得到模型训练需要的敏感语句输入序列以及目标敏感类型序列；将敏感语句输入序列和目标敏感类型序列输入模型进行训练，训练后经过验证得到分类模型；将数据库中用于测试的文本信息输入分类模型，输出分类结果。本发明提出基于采用强化学习的自适应图神经网络，改模型基于图神经网络，能够很好的从敏感文本中提取有用特征，用强化学习来生成图，并输入图神经网络，提升文本分类的准确率。
-
公开(公告)号：CN111666774A
公开(公告)日：2020-09-15
申请号：CN202010334379.5
申请日：2020-04-24
Applicant: 北京大学
IPC: G06F40/58 , G06F40/30 , G06F40/205
Abstract: 本发明实施例提供一种基于文档上下文的机器翻译方法及装置，方法包括：基于句子级Encoder获取当前句子的源端上下文表征、目标端上下文草稿表征和当前句子的草稿译文表征；基于文档级Encoder获取当前句子的源端句子表征，在源端句子表征中融合源端上下文表征，获取融合后的所述源端句子表征；基于文档级Decoder获取所述当前句子的目标端句子表征，在目标端句子表征中融合当前句子的草稿译文表征和目标端上下文草稿表征，根据融合后的目标端句子表征和融合后的源端句子表征，获取当前句子的最终翻译结果。本发明实施例引入文档级信息进行上下文知识推理，以此对句子级别的草稿译文进行修正，改善了翻译质量，得到更好的译文。
-
-
公开(公告)号：CN104199664A
公开(公告)日：2014-12-10
申请号：CN201410445887.5
申请日：2014-09-03
Applicant: 北京大学
Abstract: 一种基于注释的仿真代码同步生成方法，包括：设计一个仿真描述模型；将该仿真描述模型导出为底层仿真代码；将导出的仿真代码放入实际仿真机中进行执行，并根据执行结果对仿真代码进行修改，然后将修改结果同步到仿真描述模型。通过上述方法，就能完成仿真描述模型与仿真代码之间的同步生成。利用本发明，可充分利用软件仿真的优势，将仿真软件应用到实时仿真领域中，能够缩短仿真模型设计周期、减少人为失误、减少重复工作量、降低对仿真人员编程知识的要求。
-
公开(公告)号：CN119398030A
公开(公告)日：2025-02-07
申请号：CN202411185299.2
申请日：2024-08-27
Applicant: 北京大学
IPC: G06F40/205 , G06F40/30 , G06N20/00
Abstract: 本发明提供一种基于数据增强的事件抽取大模型构建方法，涉及数据处理技术领域，包括确定事件数据集对应的事件标注体系及第一提示词，第一提示词包括事件抽取任务定义、事件抽取任务指令及样本标注数据；根据事件标注体系及第一提示词，调用大语言模型对事件数据集进行事件抽取，得到第一标注数据；基于第二提示词，调用大语言模型对第一标注数据进行多次迭代更新，得到目标标注数据，第二提示词包括用于进行事件抽取错误反馈的反馈提示词及用于基于所生成的事件抽取错误反馈进行数据完善的完善提示词；基于目标标注数据及样本标注数据，得到数据增强的训练数据集，应用于大语言模型，得到训练好的事件抽取大模型。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.045 seconds)
