-
公开(公告)号：CN118733879A
公开(公告)日：2024-10-01
申请号：CN202410858865.5
申请日：2024-06-28
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/9535 , G06F16/9536 , G06F16/9538 , G06F18/15 , G06F18/25 , G06N3/042 , G06N3/0455
摘要： 本发明涉及推荐系统技术领域，尤其涉及一种基于自适应聚合邻居图的冷启动推荐方法及系统，首先采用SENet来学习二阶特征交互的相对重要性，随后通过MLP网络获取用户/物品的高阶属性特征表示，得到用户/物品的属性特征向量；再利用扩展的变分自编码器从用户/物品属性特征中重构缺失的用户偏好/物品特性；然后采用属性图注意力网络分别聚合用户/物品的邻居信息以及邻居间的交互信息，得到用户/物品的最终向量表示；最后通过MLP和内积引入用户和物品特征之间的非线性交互，得到用户对物品的评分。本发明旨在利用图结构充分挖掘用户/物品之间的复杂关系，以实现在冷启动环境下更为准确的推荐。
-
公开(公告)号：CN115409105A
公开(公告)日：2022-11-29
申请号：CN202211028788.8
申请日：2022-08-26
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明公开一种基于Android外部存储空间文件操作构建用户画像的方法，包括：收集Android外部存储空间中的文件操作事件，建立外部存储空间文件操作信息，并转化为形如EVENT:(OPERATION,TIMESTAMP,FILENAME)的操作日志文件；对文件操作对象、文件操作发生的时间、操作事件类型三项数据进行统计分析，对用户完成基本刻画；利用应用程序包名建立文件操作与应用操作的映射机制，获取用户应用程序使用行为；根据数据来源的不同，从构建事实型标签、规则型标签、挖掘型标签和预测型标签四个方面，建立移动用户画像标签体系，对用户特征属性进行全面刻画。本发明能较为准确地构建用户画像。
-
公开(公告)号：CN115310005A
公开(公告)日：2022-11-08
申请号：CN202210976457.0
申请日：2022-08-15
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/9536 , G06K9/62 , G06N3/04
摘要： 本发明属于个性化推荐技术领域，公开一种基于元路径融合和异构网络的神经网络推荐方法及系统，该方法首先根据领域知识设计合适的元路径；然后，通过基于元路径和连通矩阵的异构网络嵌入方法，得到用户和项目的嵌入向量；最后，鉴于深度神经网络强大的非线性建模能力，将学习到的不同元路径下的嵌入向量集成到一个双通道MLP结构中进行评分预测。本发明可以根据预定义的元路径有效地从异构信息网络中提取和融合用户偏好和项目属性的有用特征，并在Yelp、豆瓣图书和豆瓣电影三个真实数据集上进行了大量实验，实验结果验证了本发明在评分预测方面的有效性和优越性。
-
公开(公告)号：CN113239265A
公开(公告)日：2021-08-10
申请号：CN202110372751.6
申请日：2021-04-07
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/9535 , G06F16/9536 , G06F17/16 , G06Q30/06 , G06Q50/00
摘要： 本发明属于个性化推荐技术领域，特别涉及一种基于连接矩阵的个性化推荐方法及系统，依据用户社交数据、商品类别数据及用户对商品评分数据分贝构建用户关系网络和商品关系网络；利用网络表示学习算法获取用户关系网络和商品关系网络中的用户特征表示向量和商品特征表示向量；构建评分预测模型，将用户特征表示向量和商品特征表示向量作为模型输入，并通过连接矩阵对用户特征表示向量和商品特征表示向量进行拟合，将三者内积作为模型输出的预测评分，利用随机梯度下降算法对模型进行训练；利用已训练的评分预测模型来获取未知用户对商品预测评分。本发明能够解决HIN中基于元路径NRL算法语义关系丢失的问题，优化个性化推荐性能，具有较好的应用前景。
-
公开(公告)号：CN114580016B
公开(公告)日：2024-04-26
申请号：CN202210163542.5
申请日：2022-02-22
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F21/62 , G06F16/16 , G06F16/176
摘要： 本发明提供一种使用Android共享存储时潜在的竞争状态检测方法和系统。该方法包括：步骤1：利用android.os.FileObserver监控并记录Android终端的共享存储上的文件操作；其中，每个文件操作的记录信息包括：目标文件路径、操作事件类型和发生时间；步骤2：根据目标文件路径和发生时间对所有文件操作进行排序和聚类，得到若干种文件组织模式和若干种文件操作模式；步骤3：构建竞争状态验证模型；步骤4：从步骤2得到的聚类结果中，选择一种文件组织模式和一种文件操作模式，在给定文件组织模式和给定文件操作模式下，利用构建好的竞争状态验证模型验证共享存储上的文件是否存在潜在竞争状态的安全问题。
-
公开(公告)号：CN113807996B
公开(公告)日：2023-07-07
申请号：CN202110902850.0
申请日：2021-08-06
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明公开一种基于块截断编码的图像自嵌入半脆弱水印方法，包括：水印的生成与嵌入：首先，将图像进行块级别的二级划分，分别生成粒度为4×4和2×2的图像块；然后，利用块截断编码对每个4×4图像块进行压缩编码，生成2×2图像块的恢复水印，并对恢复水印进行哈希生成2×2图像块的认证水印；最后，将恢复水印和认证水印级联构成自嵌入水印，嵌入到4×4的映射块中。篡改认证与恢复：首先，将某4×4图像块提取的水印与该块生成的水印比较，判别该图像块的2×2子块是否通过认证；最后，依据认证结果对2×2图像块实施恢复。本发明还公开一种基于块截断编码的图像自嵌入半脆弱水印系统。本发明具有良好的鲁棒性。
-
公开(公告)号：CN113239266B
公开(公告)日：2023-03-14
申请号：CN202110373817.3
申请日：2021-04-07
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/9535 , G06F17/16
摘要： 本发明属于个性化推荐技术领域，特别涉及一种基于局部矩阵分解的个性化推荐方法及系统，依据用户社交网络信息和用户对项目评分信息构建异构信息网络，并形成用户评分矩阵；从异构信息网络中提取用户和项目节点向量表示，并依据节点向量表示的相似性将评分矩阵划分为多个子矩阵；通过在子矩阵中进行矩阵分解获取子矩阵的预测评分，将预测评分的加权均值用于最终个性化推荐。本发明将辅助数据和评分数据建模为异构信息网络，从异构信息网络中学习用户表示和项目表示，提升用户对项目评分预测精确度，优化个性化推荐性能，具有较好的应用前景。
-
公开(公告)号：CN115408605A
公开(公告)日：2022-11-29
申请号：CN202210945721.4
申请日：2022-08-08
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F16/9535 , G06F16/25 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开一种基于边信息和注意力机制的神经网络推荐方法及系统，该方法包括：将多源数据构建为异构信息网络；所述数据包括用户‑项目评分数据及边信息；提取异构信息网络中用户和项目的隐特征、属性特征和关系特征；其中隐特征为将用户和项目的编号进行嵌入得到的稠密特征表示，属性特征是通过多层感知器网络从用户和项目的属性矩阵中学习得到的，关系特征是通过基于元路径的网络嵌入从异构信息网络中学习得到的；根据提取的用户和项目的隐特征、属性特征和关系特征来预测用户对项目的评分，并基于预测评分进行推荐。本发明能够有效地提取和融合异构信息网络中的用户和项目的特征，以提高推荐性能。
-
公开(公告)号：CN114580016A
公开(公告)日：2022-06-03
申请号：CN202210163542.5
申请日：2022-02-22
申请人： 中国人民解放军战略支援部队信息工程大学
IPC分类号： G06F21/62 , G06F16/16 , G06F16/176
摘要： 本发明提供一种使用Android共享存储时潜在的竞争状态检测方法和系统。该方法包括：步骤1：利用android.os.FileObserver监控并记录Android终端的共享存储上的文件操作；其中，每个文件操作的记录信息包括：目标文件路径、操作事件类型和发生时间；步骤2：根据目标文件路径和发生时间对所有文件操作进行排序和聚类，得到若干种文件组织模式和若干种文件操作模式；步骤3：构建竞争状态验证模型；步骤4：从步骤2得到的聚类结果中，选择一种文件组织模式和一种文件操作模式，在给定文件组织模式和给定文件操作模式下，利用构建好的竞争状态验证模型验证共享存储上的文件是否存在潜在竞争状态的安全问题。
-
公开(公告)号：CN114301626A
公开(公告)日：2022-04-08
申请号：CN202111424645.4
申请日：2021-11-26
申请人： 中国人民解放军战略支援部队信息工程大学
摘要： 本发明公开一种基于同质性预测的有向社交网络虚假用户检测方法，包括：首先将有向社交网络中每个节点的标签与一个二元随机变量相关联，并通过成对马尔可夫随机场对所有变量的联合分布进行建模；所述联合分布为节点势函数和边势函数的乘积；所述边势函数由双向边势函数和单向边势函数组成；而后基于给定的训练集，使用LBP来估计节点的后验概率分布以进行分类或排序，从而检测出有向社交网络的虚假用户；并且在LBP迭代期间，分别为边的每个良性尾部节点和每个Sybil头部节点维护一对修正因子。本发明的边势函数自适应地调节了用于估计同质性的边权重，且纳入方向敏感机制，以更好地捕捉关注者和被关注者之间的非对称相互作用。
-
-
-
-
-
-
-
-
-
搜索结果
27 条记录 (耗时 0.055 秒)
