公开(公告)号：CN111832293B

公开(公告)日：2023-05-26

申请号：CN202010589302.2

申请日：2020-06-24

申请人： 四川大学

发明人： 陈彦如 ,  王浩 ,  陈硕 ,  石静 ,  高明珠 ,  林幼玲 ,  宋岱松 ,  邹可欣 ,  陈良银

IPC分类号： G06F40/279 ,  G06F40/216

摘要： 本发明公开了一种基于头实体预测的实体和关系联合抽取方法。本发明通过只将关系融入尾实体标签的标注策略，将实体和关系抽取任务分解为两个序列标注任务，即头实体识别标注和尾实体识别标注，并且将头实体的向量作为尾实体标注识别任务的输入，用先验概率的思想提高模型的效果。尾实体的标注标签在完成尾实体识别的同时，确定实体对间的关系，从而解决了存在实体重叠现象时抽取不完全的问题和存在实体嵌套时传统方法无法抽取的问题。

公开(公告)号：CN112861893A

公开(公告)日：2021-05-28

申请号：CN201911179234.6

申请日：2019-11-27

申请人： 四川大学

发明人： 陈彦如 ,  王伟 ,  曹庆潮 ,  王克达 ,  邢明海 ,  尤小龙 ,  王浩 ,  邹可欣 ,  曹兴瑞 ,  宋岱松 ,  林幼玲 ,  高明珠 ,  陈良银

IPC分类号： G06K9/62 ,  G06K9/00

摘要： 本发明公开了一种基于CSI幅度‑子载波概率分布的陌生人识别算法ASPD。针对已有基于CSI的身份识别算法都是从时域或频域的角度进行研究的现状，本发明创新性地从幅度‑子载波的角度进行研究，通过计算幅度在每个子载波上的概率分布，提取了一种新的特征，从而提高了陌生人的识别率。而且由于已有基于CSI的身份识别算法主要应用场景是智能家居或人机交互，其主要专注于识别训练集之内的人，对训练集之外的陌生人的识别效果不好，而本发明则主要专注于对训练集之外的陌生人的识别。实验结果表明，ASPD算法在实验室和大厅两种环境下的识别率分别达到了91.2％和93.2％，证明了其对陌生人识别的有效性。

公开(公告)号：CN111832293A

公开(公告)日：2020-10-27

申请号：CN202010589302.2

申请日：2020-06-24

申请人： 四川大学

发明人： 陈彦如 ,  王浩 ,  陈硕 ,  石静 ,  高明珠 ,  林幼玲 ,  宋岱松 ,  邹可欣 ,  陈良银

IPC分类号： G06F40/279 ,  G06F40/216

摘要： 本发明公开了一种基于头实体预测的实体和关系联合抽取方法。本发明通过只将关系融入尾实体标签的标注策略，将实体和关系抽取任务分解为两个序列标注任务，即头实体识别标注和尾实体识别标注，并且将头实体的向量作为尾实体标注识别任务的输入，用先验概率的思想提高模型的效果。尾实体的标注标签在完成尾实体识别的同时，确定实体对间的关系，从而解决了存在实体重叠现象时抽取不完全的问题和存在实体嵌套时传统方法无法抽取的问题。

公开(公告)号：CN112861893B

公开(公告)日：2023-03-24

申请号：CN201911179234.6

申请日：2019-11-27

申请人： 四川大学

发明人： 陈彦如 ,  王伟 ,  曹庆潮 ,  王克达 ,  邢明海 ,  尤小龙 ,  王浩 ,  邹可欣 ,  曹兴瑞 ,  宋岱松 ,  林幼玲 ,  高明珠 ,  陈良银

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V40/10

摘要： 本发明公开了一种基于CSI幅度‑子载波概率分布的陌生人识别算法ASPD。针对已有基于CSI的身份识别算法都是从时域或频域的角度进行研究的现状，本发明创新性地从幅度‑子载波的角度进行研究，通过计算幅度在每个子载波上的概率分布，提取了一种新的特征，从而提高了陌生人的识别率。而且由于已有基于CSI的身份识别算法主要应用场景是智能家居或人机交互，其主要专注于识别训练集之内的人，对训练集之外的陌生人的识别效果不好，而本发明则主要专注于对训练集之外的陌生人的识别。实验结果表明，ASPD算法在实验室和大厅两种环境下的识别率分别达到了91.2％和93.2％，证明了其对陌生人识别的有效性。

公开(公告)号：CN116167070A

公开(公告)日：2023-05-26

申请号：CN202111415605.3

申请日：2021-11-25

申请人： 四川大学

发明人： 张媛媛 ,  陈彦如 ,  王浩 ,  王伟 ,  郭敏 ,  胡顺仿 ,  任毅 ,  周贤义 ,  高明珠 ,  陈良银

IPC分类号： G06F21/62 ,  G06Q50/00

摘要： 本发明公开了一种基于改进标签传播算法的社区结构差分隐私保护方法CSDPA‑LPA。本发明涉及数据安全与隐私保护领域，利用节点强度和节点的紧密度中心性改进标签传播算法，然后对社交网络进行社区检测并划分社区结构。为进一步保护社区的结构隐私信息，CSDPA‑LPA算法通过向边频率中添加噪声后生成扰动的社区结构。为保护社区结构内边权值的隐私信息，CSDPA‑LPA算法将社区结构内边权值的隐私保护转换为对边权值序列的差分隐私保护。然后合并社区，生成一个实现边差分隐私的含噪社交网络并发布。CSDPA‑LPA算法不仅实现对网络结构的保护，还保护边权值的隐私信息，同时保证这个社交网络数据的效用性，满足ε‑差分隐私保护。

公开(公告)号：CN115438227A

公开(公告)日：2022-12-06

申请号：CN202110615771.1

申请日：2021-06-02

申请人： 四川大学 ,  重庆工业大数据创新中心有限公司

发明人： 陈良银 ,  高明珠 ,  陈彦如 ,  胡顺仿 ,  邢镔 ,  刘兰徽 ,  朱林全 ,  张媛媛 ,  张运海 ,  牛毅 ,  吴迪智 ,  刘圣杰

IPC分类号： G06F16/901 ,  G06F16/9536 ,  G06Q50/00 ,  G06F21/62

摘要： 本发明公开了一种基于差分隐私和紧密度中心性的网络数据发布方法。本发明涉及到数据安全与隐私保护技术领域。该方法在现有节点度分布研究的基础之上，利用节点的紧密度中心性排序和节点相关的边权值排序，改进的图映射算法，提出节点重要性映射算法fθ，降低了发布机制中的全局敏感度，同时保留了图中重要的拓扑信息。然后，基于提出的节点重要性图映射算法fθ提出一种基于节点度和节点紧密度中心性排序的满足点差分隐私的节点度直方图分布方法。先对直方图添加一部分Laplace噪声，对加噪声之后的直方图按照频数进行统计和分组，并给不同的分组再添加一部分Laplace分布的噪声，在满足节点差分隐私保护的同时提升了发布度分布直方图的准确度。