公开(公告)号：CN112215704A

公开(公告)日：2021-01-12

申请号：CN202011141781.8

申请日：2020-10-22

申请人： 重庆邮电大学 ,  重庆市住房公积金管理中心

发明人： 刘歆 ,  马艺超 ,  熊炜 ,  宋鹏 ,  韦庆杰 ,  曾梨 ,  杨世利 ,  王彦杰

IPC分类号： G06Q40/02 ,  G06K9/62

摘要： 本发明涉及一种零存整取模式下存户存款贡献度评估方法，属于数据处理技术领域。该方法包括：通过对样本数据进行筛选以及清洗，对零存整取模式下存户存款异常数据进行过滤，得到数据集；获取用户特征数据，用户特征数据包括：存户历史缴款信息；将训练数据集输入模型进行训练分析，得到评估存户存款贡献度模型，将测试数据集用户特征数据输入至已训练的模型进行预测操作，以输出预测信息，根据预测信息生成存户存款贡献度评估信息，由此大大提高了对存户存款贡献度评估的准确度。

公开(公告)号：CN114678030B

公开(公告)日：2024-09-06

申请号：CN202210304443.4

申请日：2022-03-17

申请人： 重庆邮电大学 ,  重庆市住房公积金管理中心

发明人： 钱鹰 ,  陈仕杰 ,  杨世利 ,  陈雪 ,  刘歆 ,  柯礼灵 ,  熊炜

IPC分类号： G10L17/02 ,  G10L17/04 ,  G10L17/14 ,  G10L17/18 ,  G10L25/24 ,  G06N3/0464 ,  G06N3/084

摘要： 本发明涉及一种基于深度残差网络和注意力机制的声纹识别方法、装置及计算机可读存储介质，属于语音识别技术领域，包括步骤：S1：对采集到的音频数据进行预处理，得到能够模拟人耳某些特性的MFCC特征；S2：构建FAM，将S1得到的特征经过帧级注意力模块对每帧的重要性进行加权运算，得到加权后的MFCC特征；S3：构建声纹识别网络并进行声纹识别；引入MobileNet的设计思想，将普通卷积替换为深度可分离卷积以降低网络参数量；在ResNet50的每一个layer后加入通道域注意力模块建模各个特征通道的重要程度，针对不同的说话人增强或抑制不同的通道，最后将特征输入网络中的分类器进行分类，实现声纹识别。

公开(公告)号：CN114678030A

公开(公告)日：2022-06-28

申请号：CN202210304443.4

申请日：2022-03-17

申请人： 重庆邮电大学 ,  重庆市住房公积金管理中心

发明人： 钱鹰 ,  陈仕杰 ,  杨世利 ,  陈雪 ,  刘歆 ,  柯礼灵 ,  熊炜

IPC分类号： G10L17/02 ,  G10L17/04 ,  G10L17/14 ,  G10L17/18 ,  G10L25/24 ,  G06N3/04 ,  G06N3/08

摘要： 本发明涉及一种基于深度残差网络和注意力机制的声纹识别方法、装置及计算机可读存储介质，属于语音识别技术领域，包括步骤：S1：对采集到的音频数据进行预处理，得到能够模拟人耳某些特性的MFCC特征；S2：构建FAM，将S1得到的特征经过帧级注意力模块对每帧的重要性进行加权运算，得到加权后的MFCC特征；S3：构建声纹识别网络并进行声纹识别；引入MobileNet的设计思想，将普通卷积替换为深度可分离卷积以降低网络参数量；在ResNet50的每一个layer后加入通道域注意力模块建模各个特征通道的重要程度，针对不同的说话人增强或抑制不同的通道，最后将特征输入网络中的分类器进行分类，实现声纹识别。

公开(公告)号：CN114677200B

公开(公告)日：2024-06-21

申请号：CN202210368272.1

申请日：2022-04-01

申请人： 重庆邮电大学

发明人： 钱鹰 ,  莫昊恂 ,  刘歆 ,  陈奉 ,  宋阳 ,  熊炜 ,  陈雪 ,  杨世利

IPC分类号： G06Q30/0601 ,  G06F16/9535 ,  G06F16/958 ,  G06F21/60 ,  G06N20/10

摘要： 本发明涉及一种基于多方高维数据纵向联邦学习的商业信息推荐方法及装置，属于大数据技术领域，包括以下步骤：S1：创建同态加密的密钥对。进行多方数据的预处理和加密样本对齐；S2：构建纵向联邦LightGBM模型；S3：将纵向联邦LightGBM模型转换成神经网络，作为纵向联邦ECA‑DeepGBM模型的GBDT2NN部分；S4：纵向联邦ECA‑DeepGBM模型CatNN部分前馈过程计算；S5：构建损失函数及模型整体训练，基于训练好的高维数据分类预测模型，实现基于多方高维数据的商业信息推荐。本发明通过多方数据增加特征维度的方式，以达到进行精准商业信息推荐的目的。

公开(公告)号：CN114677200A

公开(公告)日：2022-06-28

申请号：CN202210368272.1

申请日：2022-04-01

申请人： 重庆邮电大学 ,  宋阳 ,  熊炜 ,  陈雪 ,  杨世利

发明人： 钱鹰 ,  莫昊恂 ,  刘歆 ,  陈奉 ,  宋阳 ,  熊炜 ,  陈雪 ,  杨世利

IPC分类号： G06Q30/06 ,  G06F16/9535 ,  G06F16/958 ,  G06F21/60 ,  G06N20/10

摘要： 本发明涉及一种基于多方高维数据纵向联邦学习的商业信息推荐方法及装置，属于大数据技术领域，包括以下步骤：S1：创建同态加密的密钥对。进行多方数据的预处理和加密样本对齐；S2：构建纵向联邦LightGBM模型；S3：将纵向联邦LightGBM模型转换成神经网络，作为纵向联邦ECA‑DeepGBM模型的GBDT2NN部分；S4：纵向联邦ECA‑DeepGBM模型CatNN部分前馈过程计算；S5：构建损失函数及模型整体训练，基于训练好的高维数据分类预测模型，实现基于多方高维数据的商业信息推荐。本发明通过多方数据增加特征维度的方式，以达到进行精准商业信息推荐的目的。