-
公开(公告)号：CN116702231A
公开(公告)日：2023-09-05
申请号：CN202310402203.2
申请日：2023-04-17
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
Abstract: 本发明是一种面向拜占庭不可信多方协同差分隐私数据的频繁项集挖掘方法。本发明涉及信息安全与隐私数据挖掘技术领域，本发明针对涉及分布式场景下频繁项集挖掘任务中，拜占庭攻击者利用数据中毒攻击所实施的放大性增益攻击，本发明设计了一套安全的数据挖掘框架，该框架充分考虑了信息的安全性、隐私性和可用性。框架中首先进行多轮数据收集并形成待用数据集；接着分析在当前本地差分隐私协议下，拜占庭本地差分隐私放大增益攻击的部署形式；而后利用基于数据驱动的无监督训练方法进行攻击目标项目挖掘，并在项目全集中去除挖掘到的目标项目并获得正确的频繁项集挖掘结果。
-
公开(公告)号：CN116680405A
公开(公告)日：2023-09-01
申请号：CN202310372757.2
申请日：2023-04-10
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F16/36 , G06F40/30 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/042 , G06N3/08 , G06N5/022 , G06N5/04
Abstract: 本发明提出了一种基于关系路径推理的全局数据空间链接预测方法及系统，利用全局数据空间技术对庞大的知识图谱数据进行获取和后续处理；利用知识图谱中大量存在的三角结构来挖掘关系路径，三角结构不仅能够得到路径推理的置信度，同时抽取的路径长度为2，在保证计算效率的同时得到了语义信息最丰富的关系路径；利用门控循环单元结构GRU技术对关系路径进行推理，为模型本身提供了丰富的语义信息；利用注意力机制保证实体对之间多条路径都能充分考虑，且做到了主次分明；改进了ConvR模型的关系初始嵌入结构，以使其在性能优化的同时解决了ConvR难以适应下游任务的问题；本发明的效果和现有技术相比有着显著优势，可以出色完成链接预测工作。
-
公开(公告)号：CN116644282A
公开(公告)日：2023-08-25
申请号：CN202310602268.1
申请日：2023-05-25
Applicant: 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC: G06F18/15 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F16/9535
Abstract: 本发明公开了一种基于降噪与提示调节的多行为推荐方法及系统，属于多行为推荐技术领域，其中，该方法：获取用户与项目的多行为交互数据以构建数据集，并对其进行预处理划分为训练集和测试集；构建基于降噪与提示调节的多行为推荐框架，并利用训练集对基于降噪与提示调节的多行为推荐框架进行训练，其中基于降噪与提示调节的多行为推荐框架包括嵌入层、模式增强图编码器、行为感知降噪模块和预测层；将目标用户输入到训练后的基于降噪与提示调节的多行为推荐框架中，根据其预测层计算待推荐项目相对于目标用户的推荐得分，根据其将项目推荐给目标用户。该方法通过对辅助行为进行降噪并弥合辅助行为与目标行为之间的语义鸿沟以改进多行为推荐性能。
-
公开(公告)号：CN114529077A
公开(公告)日：2022-05-24
申请号：CN202210137611.5
申请日：2022-02-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN114519145A
公开(公告)日：2022-05-20
申请号：CN202210160090.5
申请日：2022-02-22
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明提出了一种基于图神经网络挖掘用户长短期兴趣的序列推荐方法,获得用户个人信息和用户交互序列数据集，将数据集进行预处理并分为训练集和测试集；构建基于图神经网络挖掘用户长短期兴趣的序列推荐模型；对所述基于图神经网络挖掘用户长短期兴趣的序列推荐模型进行训练；将待推荐用户的个人信息和交互序列输入到训练后的基于图神经网络挖掘用户长短期兴趣的序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户；本发明解决序列推荐场景中没有办法有效捕获用户长短期兴趣，并难以分辨噪声的问题。
-
Patent Agency Ranking
公开(公告)号：CN114238755A
公开(公告)日：2022-03-25
申请号：CN202111456522.9
申请日：2021-12-01
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于多关系发现的个性化推荐方法，本发明使用图神经网络等技术构建基于多关系发现的个性化推荐模型，利用用户个人信息和交互序列数据，构建用户社交关系图、用户交互关系图、基于个人信息的用户潜在关系图和基于交互序列的用户潜在关系图，模型训练过程中不断更新潜在关系图，充分考虑和挖掘用户间的多种关系，大大提高了个性化推荐性能。
-
公开(公告)号：CN112906941A
公开(公告)日：2021-06-04
申请号：CN202110083073.1
申请日：2021-01-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种面向动态相关空气质量时间序列的预测方法及系统，其中，该方法包括：获取网格气象数据，利用图像卷积法对其进行处理得到污染物时间序列；采用多特征聚类法根据上述数据的不同特征与多种空气污染物之间的相关性对特征分组；根据ARIMA模型对污染物时间序列进行拟合，获得残差序列和一部分预测值，并将其放入特征组中，根据不同特征组的数据是否为序列形式将其输入到不同的编码器中，然后将结果融合后输入解码器中进行预测得到另一部分预测值；利用CNN对历史空气质量数据进行卷积得到空气质量时间序列，并使用ARIMA模型处理得到第三部分预测值，通过softmax函数将上述三部分预测值加权求和，得到最终预测结果。
-
公开(公告)号：CN112085163A
公开(公告)日：2020-12-15
申请号：CN202010870423.4
申请日：2020-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于注意力增强图卷积神经网络AGC和门控循环单元GRU的空气质量预测方法，所述方法具体包括：首先选取待预测的污染物并获取用于空气质量预测的数据集进行预处理，对预处理后的数据集按比例划分训练集和测试集；其次构建AGC‑GRU模型，并将训练集输入到AGC‑GRU模型并采用反向传播算法进行训练，得到最优模型参数；最后将测试集输入训练后的AGC‑GRU模型中进行预测，得出所选择污染物的预测值。本发明可以同时考虑并提取相关数据集的时序特征和空间特征，达到准确预测的目的。
-
公开(公告)号：CN110928659A
公开(公告)日：2020-03-27
申请号：CN201911141458.8
申请日：2019-11-20
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种具有自适应功能的数值水池系统远程多平台接入方法。本发明根据用户提交计算作业相关参数；根据计算作业的求解器类型和网格数量，推荐最优模式下所需的计算资源平台和节点核数，将计算作业放入就绪队列中；判断计算作业是否存在跨平台接入变化服务，数值水池平台系统自动解析集群作业调度策略，生成相应的执行脚本命令。将计算作业提交到本地集群，并根据最优计算核数分配计算节点。判断队列是否为空。本发明有效地解决了数值水池系统远程多平台接入问题，并能够针对计算作业量大小动态调整所接入的计算资源平台，针对数值水池系统用户实现了自适应接入方法，提高用户可操作性，增强用户体验。
-
公开(公告)号：CN110598953A
公开(公告)日：2019-12-20
申请号：CN201910900378.X
申请日：2019-09-23
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/04 , G06N3/08 , G06F16/951
Abstract: 本发明是一种时空相关的空气质量预测方法。本发明将城市划分成大小相同的网格，每个网格受相邻区域网格影响，按照网格内是否有空气监测站分为预测区域和估计区域；获取影响空气质量数据相关时序数据，对时序数据采用循环神经网络和空间深度学习进行特征提取，进行时序模型训练。获取影响空气质量数据相关非时序数据，对非时序数据采用卷积神经网络进行特征提取，进行空间模型训练；将时序模型训练和空间训练模型进行协同训练，得到预测模型；利用训练好的协同训练模型进行预测区域的训练，得到预测区域空气质量数据；利用训练好的协同训练模型进行估计网格区域的训练，得到估计区域空气质量数据。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.046 seconds)
