-
公开(公告)号：CN111143566A
公开(公告)日：2020-05-12
申请号：CN201911390362.5
申请日：2019-12-27
Applicant: 北京工业大学
Abstract: 本发明涉及一种针对twitter的热点事件爆发预测的方法，用于预测twitter中的某个热点事件是否会造成大规模传播，具体技术方案为，首先通过twitter官方API接收实时推文消息。推文中包含了一个或多个话题，依据话题对推文分类并形成数据集，话题和推文之间的关系为多对多关系。之后将推文中的转发关系和指定转发关系进行梳理并形成数据集。根据需要预测的某个话题将所需的推文整合并组建用户关系网，并将网络分解表达。最终使用分解后的网络预测。该方法相较于传统的情感分析、用户分析方法，能够从全网的用户关系网构成角度出发，全面了解事件网络状态以及波及用户范围，能够及时快速知道当前事件发展趋势，给出预测结果。
-
公开(公告)号：CN111143471A
公开(公告)日：2020-05-12
申请号：CN201911387712.2
申请日：2019-12-27
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于区块链的密文检索方法，包括：初始化生成公共参数以及主密钥；根据用户的属性集生成关键词搜索密钥；由数据拥有者提供的访问控制策略以及数据关键词生成密文关键词数据，并采用对称加密加密用户数据，并将密文关键词数据以及密文数据调用智能合约来上传至区块链；由数据需求者提供的关键词以及关键词搜索密钥生成相应的关键词搜索令牌；将关键词搜索令牌传参至智能合约，智能合约将链上每个密文数关键词数据与关键词搜索令牌进行匹配；将得到的密文解密；本方法在区块链密文检索基础上，改进为基于属性的密文检索，将用户数据以密文的形式上传，并通过用户属性来决定用户对数据的权限。
-
公开(公告)号：CN111125630A
公开(公告)日：2020-05-08
申请号：CN201911372786.9
申请日：2019-12-27
Applicant: 北京工业大学
IPC: G06F17/16
Abstract: 本方法公开了一种基于L1/2范数和同质性约束的能源分解方法，能源分解是指已知家庭中总用电数据的前提下获得单类用电器的功耗。本方法主要分为以下五个步骤：步骤(1)获取用电量数据集；步骤(2)数据预处理；步骤(3)建立用户用电量相似度矩阵；步骤(4)分解模型训练，得到第i类用电器的特征矩阵Bi和权重矩阵Wi；步骤(5)单类用电器用电数据预测。本方法在非负矩阵分解的基础上加入了L1/2范数作为稀疏约束，加入了家庭面积相似性和总用电量相似性作为同质性约束，建立更加有效和可用的能源分解方法。实验结果表明使用了L1/2范数稀疏约束和同质性约束的能源分解系统相比原有的基于非负矩阵分解的能源分解系统性能提升明显。
-
公开(公告)号：CN111125318A
公开(公告)日：2020-05-08
申请号：CN201911388539.8
申请日：2019-12-27
Applicant: 北京工业大学
IPC: G06F16/33 , G06F16/36 , G06F16/951 , G06F40/295 , G06F40/30
Abstract: 本发明公开了基于义原-义项提升知识图谱关系预测性能的方法，该方法的步骤如下：获取知识图谱数据集；获取知识图谱数据集中三元组所对应的文本描述；获取义原-义项知识库；将知识图谱中的关系和三元组描述表示为基于义原的one-hot向量；知识图谱嵌入；知识图谱关系预测。本方法在PTransE中关系预测方法的基础之上，利用OpenHowNet开源的义原-义项数据集，对知识图谱中关系路径对于关系的可靠程度根据关系、关系路径及所涉及的三元组描述的语义信息进行计算，解决了PTransE中仅使用结构信息进行关系预测的问题。使用了义原-义项的关系预测性能相比于原来的关系预测方法性能有提升。
-
公开(公告)号：CN109885763A
公开(公告)日：2019-06-14
申请号：CN201910076661.5
申请日：2019-01-26
Applicant: 北京工业大学
IPC: G06F16/9535
Abstract: 本发明公开了一种基于用户头像的博文推荐方法，本方法主要分为以下五步：步骤(1)下载话题并查询扩展；步骤(2)接收推特数据并预处理；步骤(3)计算话题和推文的相关性得到基础推送列表；步骤(4)头像分类；步骤(5)对基础推送列表进行重排；本方法在推文文本的基础上，加入了用户的头像信息，通过对用户头像的分类划分用户，建立用户族群与话题之间的关联程度，对基础的推荐列表做调整，得到最终的推荐列表。实验结果表明，加入用户头像信息的性能有明显提升。
-
Patent Agency Ranking
-
公开(公告)号：CN106484797A
公开(公告)日：2017-03-08
申请号：CN201610841942.1
申请日：2016-09-22
Applicant: 北京工业大学
Abstract: 本发明公开一种基于稀疏学习理论的突发事件摘要抽取方法，包括：获取突发事件话题，对每个突发事件话题进行查询扩展，得到事件话题的扩展话题词项集合；根据每个事件查询扩展后的扩展话题词项对每个事件进行检索，获得与每个事件话题相关的文档集合；利用非负矩阵分解的方法依次对每个话题的文档集合进行特征选取和语义聚类，得到每个事件的话题聚类结果；根据最大边缘相关性方法(MMR)，从聚类结果中抽取具有代表性的句子作为最终的摘要结果。采用本发明的技术方案，在突发事件爆发时，面对海量冗余的新闻报道流，为用户提供事件发展的最新状况信息。
-
公开(公告)号：CN103336806B
公开(公告)日：2016-08-10
申请号：CN201310253678.6
申请日：2013-06-24
Applicant: 北京工业大学
Abstract: 本发明提出一种基于通过词出现间距的内在与外在模式的信息熵差进行关键词排序的方法，属于文字信息处理领域。本方法认为关键词的出现受到两个模式的影响：（1）内在模式，描述在一个话题中的关键词位置的统计特性；（2）外在模式，描述文本中话题簇出现的统计属性。真实文本上实验结果发现，一个词出现间距的内外模式和外在模式信息熵差越大，那么他是关键词的可能性也就越大。
-
公开(公告)号：CN104799852A
公开(公告)日：2015-07-29
申请号：CN201510256463.9
申请日：2015-05-19
Applicant: 北京工业大学
IPC: A61B5/0476 , G06K9/62
CPC classification number: A61B5/0476 , A61B5/04012 , A61B5/72 , A61B5/7264 , G06K9/62
Abstract: 本发明公开了基于超限学习机自编码的运动想象脑电信号特征的提取方法，包括：筛选训练数据集和测试数据集；利用训练数据集训练多个超限学习机模型；从多个经训练数据集训练后的超限学习机模型中，筛选出对测试数据集的分类正确率最高的超限学习机模型；利用筛选出的超限学习机计算待测脑电信号数据的输出权重矩阵；计算待测脑电信号数据的输出权重矩阵的奇异值，该奇异值即为待测脑电信号数据的数据特征。在使用相同分类器的前提下，本发明公开的方法提取的脑电信号特征数据的分类准确率高达86.69％，比利用传统的分类方法高出10.24％。
-
公开(公告)号：CN102768638B
公开(公告)日：2015-04-29
申请号：CN201210157706.X
申请日：2012-05-18
Applicant: 北京工业大学
Abstract: 本发明是一种基于图的软件行为可信性检测方法。检测系统分为五个模块：数据预处理模块负责前期数据处理；状态图训练模块用来训练正常行为库；行为检测模块负责根据已建立的图对行为进行检测，该检测分为两个层次，第一层是状态和路径的检测，第二层主要是权值的检测；实时监控模块以日志的形式动态存储检测结果；异常告警模块在检测模块发现异常后进行告警，并终止正在运行的软件。该检测模型可以实时监控软件行为，检测出不属于这个软件的行为，一些攻击行为和非法输入。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.031 seconds)
