-
公开(公告)号：CN111581326A
公开(公告)日：2020-08-25
申请号：CN202010238159.2
申请日：2020-03-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/31 , G06F16/332
Abstract: 本发明提出一种基于异构外部知识源图结构抽取答案信息的方法，属于自然语言处理领域，为了提升问答返回的答案质量，本方法结合使用结构化知识和非结构化知识这两种异构的知识源，在获得相应的知识以后，使用结构化技术对知识进行建图处理，并结合图卷积网络技术学习图的表示，结合文本和图的信息来对从后台文本数据中返回能够正确回答用户问题的答案。本方法能够根据问题和答案的匹配程度对答案进行重排，将用户关心和期待的答案展示在最前面，使搜索结果更具针对性，使用户能够在更短的查询时间内得到更想要的答案。
-
公开(公告)号：CN103870314B
公开(公告)日：2017-01-25
申请号：CN201410080648.4
申请日：2014-03-06
Applicant: 中国科学院信息工程研究所
IPC: G06F9/455
Abstract: 本发明涉及一种单节点同时运行不同类型虚拟机的方法及系统，实现方法为，解析任务请求中包含的对运行虚拟机的资源需求；将CPU参数转换成cgroup框架可识别的参数，判断待创建的虚拟机类型，如果是轻量级虚拟机，直接将资源需求传递给底层cgroup框架，建立并启动轻量级虚拟机；如果是全虚拟机，接将资源需求传递给底层cgroup框架，cgroup框架创建一个容器，在容器中建立所需的全虚拟机；利用网桥技术和TBF令牌桶过滤器技术将建立的轻量级虚拟机或全虚拟机接入局域网并进行网络I/O控制；本发明使得不同类型的虚拟机可以共享一台物理机的资源，提供给用户一种简单、透明、统一使用虚拟机的接口，提高了资源利用率。
-
公开(公告)号：CN103077189B
公开(公告)日：2016-01-20
申请号：CN201210560162.1
申请日：2012-12-20
Applicant: 中国电力科学研究院 , 国家电网公司 , 福建省电力有限公司 , 中国科学院信息工程研究所
Inventor： 孙其强 , 周薇 , 李立新 , 狄方春 , 韩冀中 , 戴娇 , 黄文英 , 任晓辉 , 林静怀 , 江凡 , 谢巧云 , 花静 , 闫湖 , 黄运豪 , 季知祥 , 袁荣昌 , 李大鹏 , 王威
IPC: G06F17/30
CPC classification number: G06F17/30348
Abstract: 本发明涉及电力系统控制技术，具体涉及一种面向大电网的并行实时数据库节点定位系统，包括：客户端模块：用于访问并行实时数据库主机节点模块，由主机节点模块返回主机信息，直接访问主机；主机节点模块：用于接受来自客户端模块的请求，访问定位服务器模块，返回主机信息；定位服务器模块：用于从系统管理模块中获取应用的主机信息。在保证并行实时库高并发响应的基础上，正确定位到主机，满足应用服务的要求。在客户端访问主机之前，先访问电力系统中每个域的定位服务器，然后更新本机的主机信息，最后从主机上获取数据。
-
公开(公告)号：CN118760896A
公开(公告)日：2024-10-11
申请号：CN202410943944.6
申请日：2024-07-15
Applicant: 中国科学院信息工程研究所
IPC: G06F18/214 , G06F18/2451 , G06F18/20
Abstract: 本发明公开一种基于条件信息流最大化的大模型内容安全检测方法及系统，属于大模型安全技术领域。所述方法包括：利用预训练语言模型提取待检测内容文本的高阶隐向量表示；基于所述高阶隐向量表示，利用线性分类器获取待检测内容文本的安全检测结果；其中，所述预训练语言模型和所述线性分类器的网络参数的获取是通过条件信息流最大化优化目标来最大化输入‑表示信息流和表示‑任务信息流。本发明不仅可以提升预训练模型在大模型内容安全检测任务的泛化性能，也能增强对训练样本较少类别的有效判别能力，提供了模型在噪声场景下的鲁棒性。
-
公开(公告)号：CN113626685A
公开(公告)日：2021-11-09
申请号：CN202110773341.2
申请日：2021-07-08
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9536 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明涉及一种面向传播不确定性的谣言检测方法及装置，包括：获取社交网络中源博文与转发博文的文本数据及若干传播数据；基于文本数据提取的文本特征，利用传播数据分别构建传播方向的初始传播图G′TD及扩散方向的初始传播图G′BU；对于初始传播图G′TD与初始传播图G′BU，分别利用图卷积网络对边的可靠性进行评估，生成传播图GTD与传播图GBU；基于传播图GTD与传播图GBU中的节点表示HTD与HBU，生成源博文的最终特征表示，以获取谣言检测结果。本发明能够缓解传播结构中不可靠传播关系带来的不确定性问题，有效提高谣言检测的准确率和F1值。
-
Patent Agency Ranking
公开(公告)号：CN110136016A
公开(公告)日：2019-08-16
申请号：CN201910270828.1
申请日：2019-04-04
Applicant: 中国科学院信息工程研究所
IPC: G06Q50/00 , G06F16/901
Abstract: 本发明涉及一种基于隐式关联的多标签传播方法及系统。该方法包括：对给定的网络构建局部网络结构图，其中部分节点的标签信息已知，并计算概率转移矩阵；基于标签共现方法挖掘多标签之间的隐式关联信息；生成节点-标签矩阵并初始化未知节点的标签信息；根据概率转移矩阵以及隐式关联信息对每一个未知节点的标签进行更新；基于节点-标签矩阵计算更新停止条件；反复执行上述更新步骤直到满足更新停止条件或者达到给定的迭代次数；根据节点-标签矩阵生成网络中未知标签信息的节点的标签信息。本发明能够更好的挖掘标签之间的关联关系，加速方法的收敛速度，从而更准确全面的分析大型网络用户的标签信息。
-
公开(公告)号：CN102831020A
公开(公告)日：2012-12-19
申请号：CN201210262875.X
申请日：2012-07-26
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种日志检测方法及系统。日志检测方法包括：采用预设的文法压缩算法，对待检测日志数据和训练集数据进行压缩；计算压缩后所得数据的信息密度；对所述待检测日志数据按照所述信息密度由大到小进行排列，排列后的前n个日志数据为异常数据，其中，n为预设的异常数据个数。本发明的日志检测方法及系统，将文法压缩引入到日志检测中，避免了通用压缩带来的各种问题。并且，本发明利用日志数据连续性的特点，使用信息密度来判定日志有没有出现异常，不仅可以避免传统的统计和马尔可夫方法带来的缺陷，而且不需要设置复杂的参数，简单有效，且预测准确。
-
公开(公告)号：CN116579348A
公开(公告)日：2023-08-11
申请号：CN202310339698.9
申请日：2023-03-31
Applicant: 中国科学院信息工程研究所
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06F18/25 , G06F18/214
Abstract: 本发明公开一种基于不确定语义融合的虚假新闻检测方法及系统，涉及数据挖掘技术领域，通过获取社交网络中新闻的多模态数据；基于不确定性的模态编码模块从各模态数据中提取特定模态的高阶语义特征；通过变分注意融合模块建模模态间的不确定性，融合多模态特征；基于融合后的多模态特征，利用假新闻分类器得到目标新闻的类别标签。本发明能够从新闻的不同模态信息中提取更多鲁棒的高阶特征，并进一步有效整合更为可靠的多模态特征，可有效提升多模态假新闻检测的准确率。
-
公开(公告)号：CN116108286A
公开(公告)日：2023-05-12
申请号：CN202211723012.8
申请日：2022-12-30
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9536 , G06F16/9538 , G06F16/906 , G06F16/901 , G06N3/08 , G06N3/0464
Abstract: 本公开涉及种基于传播重构的虚假信息检测方法、装置和设备，所述方法包括：获取社交网络中博文的传播数据；基于所述传播数据，构建信息传播图；利用深度图卷积网络聚合所述信息传播图中的节点邻域特征，得到所述信息传播图的节点表示V；根据所述节点表示V，估计所述信息传播图中节点之间的潜在传播交互，以生成多个潜在传播图；利用深度图卷积网络聚合每一潜在传播图的节点邻域特征之后，综合所有更新后潜在传播图的更新节点表示，得到重构节点表示Z；基于所述节点表示V和所述重构节点表示Z执行任务分类，得到所述博文的虚假信息检测结果。本公开可以提高虚假信息检测任务的性能。
-
公开(公告)号：CN111310054B
公开(公告)日：2022-05-31
申请号：CN202010150774.8
申请日：2020-03-06
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535
Abstract: 本发明公开一种基于自适应Margin对称度量学习的推荐方法和装置。该方法包括：根据给定的用户交互记录，通过度量学习方法拟合用户‑物品的关系；采用基于triple‑loss的欧氏度量学习范式进行建模；设计基于user‑centric和item‑centric的几何对称的关系度量方法；采用自适应Margin的方法自动学习得到用户和物品的Margin；将自适应Margin与用户/物品的偏置建立联系，解释其物理含义；使用多任务学习框架进行联合训练，得到推荐模型；基于该推荐模型为用户进行物品推荐。本发明充分考虑用户个体化差异，能很好地模拟真实场景下的用户‑物品交互关系，能够显著提高物品推荐的性能。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.086 seconds)
