公开(公告)号：CN115587821A

公开(公告)日：2023-01-10

申请号：CN202210883290.3

申请日：2022-07-26

Applicant: 中国计量大学

Inventor： 徐新胜 ,  曹立 ,  王平 ,  王乐 ,  王修晖 ,  黄杰 ,  陆品 ,  童艳 ,  黄时炜 ,  杜文

IPC: G06Q30/00 ,  G06Q50/00

Abstract: 近年来，许多商家将推销广告伪装成网络中常说的推广视频方式推送给客户观看，让客户以为视频中的产品是推荐人的“良心推荐”，从而误导客户去购买该商品，这样的方式往往会导致客户不能分辨其推销广告的本质，最终被广告内容欺骗。为此，本专利提供一种推广视频分辨的方法，明确视频中涉及的推荐人和推荐产品品牌的社交账号，构建社交网络，利用社区划分算法判断两者的社交关联关系，进而判断该视频是否疑似推销广告，从而帮助客户识别视频本质，谨慎消费。

公开(公告)号：CN118690166A

公开(公告)日：2024-09-24

申请号：CN202410727896.7

申请日：2024-06-06

Applicant: 中国计量大学

Inventor： 徐新胜 ,  张艺 ,  吴松泽 ,  王修晖 ,  王乐 ,  何灵敏 ,  陆品 ,  童艳 ,  黄时炜

IPC: G06F18/213 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/098

Abstract: 本发明涉及一种面向横向联邦学习的多方数据特征补齐方法，旨在保护各参与方数据隐私的前提下补齐各参与方的特征集。本发明首先通过整合各参与方的特征集，形成总特征集和特征对应表。接着各参与方根据其本地数据和由生成模型生成的样本数据训练各自的判别模型，然后，根据各判别模型的输出，计算生成模型和各判别模型的损失函数，并交替优化生成模型和各判别模型，直至网络训练完成。接着，利用训练好的生成模型生成的样本数据集训练特征补齐模型。最后，各参与方使用特征补齐模型处理后的数据训练横向联邦学习模型。本发明特别适用于多参与方的业务模型相似但数据特征存在差异的联邦学习场景，在保障数据隐私的同时促进数据共享与应用。