-
公开(公告)号：CN108763319A
公开(公告)日：2018-11-06
申请号：CN201810396753.7
申请日：2018-04-28
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
CPC classification number: G06Q50/01 , G06N3/0454
Abstract: 本发明属于计算机技术领域，具体提供了一种融合用户行为和文本信息的社交机器人检测方法和系统。旨在解决现有技术手动选取特征、忽略社交媒体帖子之间的逻辑性和时序性以及忽略社交平台用户行为信息的问题，本发明的社交机器人的检测方法包括获取待检测社交媒体用户的历史网络数据和好友网络数据；基于上述数据得到用户文本特征向量、行为特征向量以及好友网络特征向量，并将其融合，得到待检测社交媒体用户的用户特征向量；对用户特征向量进行检测，输出检测结果。本发明的方法更加符合社交媒体自身的特性，从多个维度分析待检测社交媒体用户，提升了检测准确率。本发明的系统同样具有上述有益效果。
-
公开(公告)号：CN108763319B
公开(公告)日：2022-02-08
申请号：CN201810396753.7
申请日：2018-04-28
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/335 , G06N3/04 , G06Q50/00
Abstract: 本发明属于计算机技术领域，具体提供了一种融合用户行为和文本信息的社交机器人检测方法和系统。旨在解决现有技术手动选取特征、忽略社交媒体帖子之间的逻辑性和时序性以及忽略社交平台用户行为信息的问题，本发明的社交机器人的检测方法包括获取待检测社交媒体用户的历史网络数据和好友网络数据；基于上述数据得到用户文本特征向量、行为特征向量以及好友网络特征向量，并将其融合，得到待检测社交媒体用户的用户特征向量；对用户特征向量进行检测，输出检测结果。本发明的方法更加符合社交媒体自身的特性，从多个维度分析待检测社交媒体用户，提升了检测准确率。本发明的系统同样具有上述有益效果。
-
公开(公告)号：CN118861842A
公开(公告)日：2024-10-29
申请号：CN202411346062.8
申请日：2024-09-25
Applicant: 中国科学院自动化研究所
IPC: G06F18/2413 , G06F18/2415 , G06F18/214
Abstract: 本公开关于社交机器人账号识别模型的训练方法、识别方法和装置，该方法包括：获取账号特征样本，其中，账号特征样本为文本形式的特征样本；将账号特征样本输入账号识别模型，获得将账号特征样本对应的身份识别为社交机器人账号的目标概率；基于目标概率和真实身份标签，计算损失函数的值；通过根据损失函数的值调整账号识别模型的参数，以对账号识别模型进行训练。这样，由于本公开在进行社交机器人账号识别时，所依据的特征类型更丰富、特征内容更全面、特征数量更多，因此可以保证针对账号的身份作出全面的判断，可以减少误识别现象的出现，进而可以提高社交机器人账号的识别准确性。
-
公开(公告)号：CN117217287A
公开(公告)日：2023-12-12
申请号：CN202311000674.7
申请日：2023-08-09
Applicant: 中国科学院自动化研究所 , 中国人民解放军军事科学院国防科技创新研究院
Abstract: 本发明提供一种面向分层强化学习的多元子策略生成模型的训练方法，方法包括：确定初始分层强化学习模型；基于所述初始分层强化学习模型选择进行强化学习时的各子策略；基于所述各子策略之间的瓦式距离，确定所述各子策略之间的子策略策略网络的第一损失；基于所述第一损失，对所述初始分层强化学习模型进行参数迭代，得到所述多元子策略生成模型。本发明提供的方法，通过在具有固定数量子策略的初始分层强化学习模型中加入基于瓦式距离正则项的方法，在不改变模型原有超参数的前提下，增加多元子策略生成模型学习到的子策略的多样性，进而提升多元子策略生成模型在离散和连续动作环境下的性能表现和样本效率。
-
公开(公告)号：CN115827876B
公开(公告)日：2023-06-02
申请号：CN202310032603.9
申请日：2023-01-10
Applicant: 中国科学院自动化研究所
IPC: G06F16/35 , G06F40/205
Abstract: 本申请提供一种未标注文本的确定方法、装置和电子设备，涉及数据处理技术领域。该方法包括：获取多个未标注文本、多个已标注文本以及多个已标注文本各自的类别标签；分别将多个未标注文本和多个已标注文本输入至文本类别分析模型的特征提取网络中，根据得到的多个未标注文本各自对应的特征向量和多个已标注文本各自对应的特征向量，从多个未标注文本中确定多个候选未标注文本；根据多个候选未标注文本各自对应的类别标签分布熵值，从多个候选未标注文本中确定目标未标注文本，目标未标注文本用于训练文本类别分析模型，可以准确地选择未标注文本，从而提高了训练得到的文本类别分析模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN115658910A
公开(公告)日：2023-01-31
申请号：CN202211074171.X
申请日：2022-09-02
Applicant: 中国科学院自动化研究所 , 天津中科智能识别有限公司
IPC: G06F16/36 , G06F16/332 , G06F16/335 , G06N5/02 , G06N5/04
Abstract: 本发明提供一种知识问答方法、装置、电子设备和可读存储介质，涉及计算机技术领域，该方法包括：基于原始知识图谱构建抽象知识图谱，抽象知识图谱由抽象头实体、抽象尾实体以及抽象头实体与抽象尾实体之间的关联关系构成；获取待查询语句，待查询语句由预设头实体以及目标关联关系构成，目标关联关系表示预设头实体与待确定的目标尾实体之间的关联关系；基于待查询语句和抽象知识图谱确定至少一条满足目标关联关系的实体关系链；基于原始知识图谱以及至少一条实体关系链确定出至少一个备选尾实体，并基于至少一个备选尾实体确定待查询语句对应的目标尾实体，解决了现有技术中知识问答效率过低的缺陷。
-
公开(公告)号：CN109300040A
公开(公告)日：2019-02-01
申请号：CN201810997591.2
申请日：2018-08-29
Applicant: 中国科学院自动化研究所
IPC: G06Q40/06 , G06Q10/06 , G06F16/953 , G06N3/04
Abstract: 本发明涉及一种基于全媒体大数据技术的海外投资风险评估方法及系统，所述评估方法包括：通过云计算和网络爬虫方法，获取海外投资国家的历史投资数据，作为训练样本；对训练样本进行归一化处理，得到历史风险量化指标；根据历史风险量化指标，建立风险预测模型；监测待投资国家的当前风险投资数据；对所述当前风险投资数据进行归一化处理，得到当前风险量化指标；基于所述风险预测模型及所述当前风险量化指标，确定对所述待投资国家的投资风险情况。本发明可全面获取海外投资国家的历史投资数据，得到历史风险量化指标，进而建立风险预测模，实时监测待投资国家的当前风险投资数据，从而确定对所述待投资国家的投资风险情况，提高投资的准确性。
-
公开(公告)号：CN118861842B
公开(公告)日：2024-11-29
申请号：CN202411346062.8
申请日：2024-09-25
Applicant: 中国科学院自动化研究所
IPC: G06F18/2413 , G06F18/2415 , G06F18/214
Abstract: 本公开关于社交机器人账号识别模型的训练方法、识别方法和装置，该方法包括：获取账号特征样本，其中，账号特征样本为文本形式的特征样本；将账号特征样本输入账号识别模型，获得将账号特征样本对应的身份识别为社交机器人账号的目标概率；基于目标概率和真实身份标签，计算损失函数的值；通过根据损失函数的值调整账号识别模型的参数，以对账号识别模型进行训练。这样，由于本公开在进行社交机器人账号识别时，所依据的特征类型更丰富、特征内容更全面、特征数量更多，因此可以保证针对账号的身份作出全面的判断，可以减少误识别现象的出现，进而可以提高社交机器人账号的识别准确性。
-
公开(公告)号：CN118839294A
公开(公告)日：2024-10-25
申请号：CN202410731898.3
申请日：2024-06-06
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于神经符号融合的任务规划方法、装置、设备、及存储介质，包括：获取待规划任务；通过神经规划器对所述待规划任务进行正向推理处理，得到所述待规划任务的操作序列；通过符号规划识别器对所述操作序列进行反向推理处理，得到所述待规划任务的推理规划目标；基于所述推理规划目标确定所述待规划任务的知识结果增强信息；基于所述知识结果增强信息对所述操作序列进行校正，得到所述待规划任务的规划结果。通过本申请，将神经规划器和符号规划识别器进行融合使用，实现了对任务进行双向规划，用以克服现有技术中符号规划识别器对任务环境变化适应性差、而神经系统规划器在泛化性方面和稳定性方面又表现不佳的缺陷。
-
公开(公告)号：CN118798333A
公开(公告)日：2024-10-18
申请号：CN202411273821.2
申请日：2024-09-12
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种基于知识超图的解耦表示学习方法及装置。所述解耦表示学习方法包括：对知识超图中的实体、关系、属性和值的表示向量进行随机初始化，其中，实体的表示向量包括多个子表示向量，所述多个子表示向量的数量基于实体所具有的语义的数量而确定，并且关系、属性和值的表示向量的维度与实体的子表示向量的维度相同；基于从每个实体的邻居实体传递的信息，对每个实体所包括的多个子表示向量进行更新；利用知识超图补全任务训练模型，基于更新的实体和关系的向量表示，确定超边中缺失的实体。通过采用本公开，能够处理结构复杂的知识超图、建模实体多方面语义，通过对实体的不同语义进行解耦，学习实体和关系的高质量向量表示。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.079 seconds)
