-
公开(公告)号：CN115563652A
公开(公告)日：2023-01-03
申请号：CN202211347630.7
申请日：2022-10-31
Applicant: 上海交通大学
Abstract: 本发明提供了一种轨迹嵌入预防泄露方法及系统，包括如下：在测试环境中，基于相似度计算、多标签分类、循环神经网络攻击待攻击的轨迹嵌入，获取原轨迹可能经过的空间区域内任意一片区域，作为预测的原轨迹的隐私信息；模型改进步骤：通过预测的原轨迹的隐私信息对轨迹嵌入模型进行考察评估改进；泄露预防步骤：使用改进后的轨迹嵌入模型预防产生的轨迹嵌入泄露。本发明在测试环境中获取了有关轨迹的隐私信息，达到了较好的攻击效果，克服了此方面攻击技术的缺失，可以预防嵌入轨迹泄露。
-
公开(公告)号：CN115130601A
公开(公告)日：2022-09-30
申请号：CN202210795308.4
申请日：2022-07-07
Applicant: 上海交通大学
IPC: G06K9/62 , G06F40/216 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于多维特征融合的二阶段学术数据网页分类方法及系统，涉及网页分类技术领域，包括：步骤S1：基于学术关键词，输入搜索引擎进行检索，获取检索页面内容；步骤S2：开展基于短文本逻辑回归模型的第一阶段分类；步骤S3：获取第一阶段分类完成后标签为数据网页的网页HTML信息；步骤S4：基于网页长文本和网址信息，开展第二阶段分类，采用文本卷积神经网络结合三元组损失的深度度量学习算法；步骤S5：将最终的分类结果入库整理，分析网页中的必要信息，展示在数据门户网站上。本发明能够快速准确地从互联网中筛选出数据网页。
-
公开(公告)号：CN113469261B
公开(公告)日：2022-07-15
申请号：CN202110786345.4
申请日：2021-07-12
Applicant: 上海交通大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括：步骤S1：输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2：基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3：基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4：根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5：将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。
-
公开(公告)号：CN109756908B
公开(公告)日：2021-10-15
申请号：CN201711058441.7
申请日：2017-11-01
Applicant: 上海交通大学 , 上海宽带技术及应用工程研究中心
Abstract: 本发明提供一种无线网络缓存策略的优化方法/系统、存储介质及设备，方法包括：初始时刻在无线网络中建立用户集合和文件集合；在新用户加入到用户集合中后，利用偏好连接原则，选择若干文件进行连接，以获取当前时刻用户的需求度；或在新文件加入到文件集合中后，根据已存的用户的度分布，选择若干用户进行连接，以获取当前时刻文件的流行度；依据当前时刻用户的需求度，建立最优化问题；依据当前时刻文件的流行度，将文件集合分为不同类的文件子集，不同类的文件子集采用不同缓存方式，以解决最优化问题。本发明利用了无线网络中文件度的幂律分布，针对性设计出最优缓存存储策略，提高网络文件传输速率，并在一定情况下，使得网络可以无限扩展。
-
公开(公告)号：CN113468887A
公开(公告)日：2021-10-01
申请号：CN202110685661.2
申请日：2021-06-21
Applicant: 上海交通大学
IPC: G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明提供了一种基于边界与片段分类的学者信息关系抽取方法，所述方法包括如下步骤：步骤S1：获取不同教师的个人信息和文本内容；步骤S2：将文本中实体词进行同类实体词替换扩增训练数据；步骤S3：使用预训练模型对文本进行嵌入并提取语义特征；步骤S4：主体词边界识别和实体片段分类；步骤S5：客体词边界以及对应关系边界识别和实体片段分类；步骤S6：根据识别和分类结果进行用户画像。利用概率图思想、结合半指针‑半标注方式，解决关系抽取中一个主体词对应多个客体词，一个客体词对应多个主体词，两个相同实体之间关系不同的问题。利用边界增强实体片段分类的方式能够降低尾指针预测错误带来的影响，提高实体关系抽取准确率。
-
Patent Agency Ranking
公开(公告)号：CN112733543A
公开(公告)日：2021-04-30
申请号：CN202110105747.3
申请日：2021-01-26
Applicant: 上海交通大学
IPC: G06F40/295
Abstract: 本发明提供了一种基于文本编辑生成模型的机构命名实体归一化方法和系统，包括：步骤S1：对所有的学术机构信息数据进行筛选；步骤S2：对已筛选的数据利用正则表达式去除数据中存在的噪音；步骤S3：将处理好的数据按照类别和预设比例分为训练集、微调数据集和测试集；步骤S4：将微调数据集输入预训练好的bert模型，对bert模型进行微调，利用微调好的bert模型进行训练集机构名的表征，并训练出文本编辑生成模型来实现机构名称的归一化；步骤S5：将测试集输入训练好的文本编辑生成模型，测试模型效果并进行微调。通过本发明可以对每一个学术机构的论文发表数进行统计，可以更科学更直观的对某个学术机构的学术能力进行判别。
-
公开(公告)号：CN111949771A
公开(公告)日：2020-11-17
申请号：CN202010864916.7
申请日：2020-08-25
Applicant: 上海交通大学
IPC: G06F16/33 , G06F16/335 , G06F40/295
Abstract: 本发明提供了一种基于互强化框架和排序学习的学术文献未来影响力动态排序方法及系统，包括：步骤A：基于学术实体和实体间关系抽取论文的元信息；步骤B：引入基于超图延伸定义的同构有向超图和异构二部超图，构造一个异构学术超网；步骤C：基于一种互强化排名框架HSHMRR，在异构学术超网上给不同类型的学术实体实现评分；步骤D：在互强化排名框架的基础上，结合排序学习方法MART，从历史时段中学习潜在的动态特性，并将所学知识应用到目标时段，形成评价结果；本发明采用了一种通用而有效的方法，它能够自适应地学习不同学术文献数据集的潜在动态性质，并将所学知识应用于排名。
-
公开(公告)号：CN111565393A
公开(公告)日：2020-08-21
申请号：CN202010311848.1
申请日：2020-04-20
Applicant: 上海交通大学
Abstract: 本发明提供了一种OFDMA反向散射网络的频谱动态控制方法及系统，包括：步骤1：中心控制节点获取网络频谱占用信息，读取频谱中活跃节点的数目和当前的子信道总量；步骤2：中心控制节点对子信道总量进行编码，经过调制后对无线信道进行广播；步骤3：反向散射标签通过解调电路对广播的调制后的无线信道进行解码，得到新的子信道总量，将子信道总量作为参数，控制反向散射通信过程中的符号率。本发明解决了大容量OFDMA反向散射网络在少量设备情况下的频谱浪费；也可以用于调整网络的数据率，在网络SNR情况不佳的情况下，可以通过减小符号率或增大符号长度来提升通信可靠性。
-
公开(公告)号：CN106250438B
公开(公告)日：2020-07-14
申请号：CN201610595617.1
申请日：2016-07-26
Applicant: 上海交通大学
IPC: G06F16/35 , G06F16/9535 , G06F16/9536 , G06K9/62
Abstract: 本发明提供了一种基于随机游走模型的零引用文章推荐方法及系统，包括：步骤1：构建学术网络模型，通过随机游走法获得每篇论文的第一作者、会议或期刊、机构、发表时间所对应的特征值；步骤2：建立排序模型，并选取经步骤1处理后的论文数据构建训练集；步骤3：通过弱分类器对训练集进行排序；步骤4：判断弱分类器的排序结果是否与训练集的真实排序结果相匹配，得到最优排序模型；步骤5：通过排序模型推荐用户所需零引用文献。本发明使用了全新的论文排序思想，从而使得新发表的论文可以得到更加有效地推荐，便于用户获得最相关的新论文。
-
公开(公告)号：CN111309917A
公开(公告)日：2020-06-19
申请号：CN202010167905.3
申请日：2020-03-11
Applicant: 上海交通大学
IPC: G06F16/35 , G06F16/332
Abstract: 本发明提供了一种基于会议期刊星系图的超大规模学术网络可视化方法及系统，包括：步骤M1：从数据库中获取论文相关数据，并将数据存储在文件中；步骤M2：根据论文的相关数据，对论文按照会议或期刊聚类，并生成包含相应聚类的节点和连边参数的图文件；步骤M3：使用自动化布局工具对相应聚类的节点和连边参数的图文件快速布局，得到聚类内部布局，并生成包含节点位置信息的图文件；步骤M4：根据聚类之间的引用关系，等效聚类之间力的大小，并使用力引导算法生成聚类间星系结构；步骤M5：根据聚类间星系结构对聚类进行融合，得到可视化结果。本发明以图的方式展示大量论文之间的引用关系，使得原本抽象的论文引用关系变得清晰可见。
-
-
-
-
-
-
-
-
-
Search Results
254
records
(took 0.057 seconds)
