-
公开(公告)号：CN113468884B
公开(公告)日：2023-06-16
申请号：CN202110647875.0
申请日：2021-06-10
Applicant: 北京信息科技大学
IPC: G06F40/289 , G06F40/211 , G06F40/30 , G06F40/216 , G06N3/045 , G06N3/0442
Abstract: 本发明提供一种中文事件触发词抽取方法及装置。所述方法包括：对输入文本进行预处理；初始向量化；利用异构注意力网络，有侧重地捕捉与当前节点同一类型邻居节点的特征，有侧重地捕捉与当前节点不同类型邻居节点的特征；将类型注意力网络的输出输入到一个条件随机场，输出标注序列，实现触发词的抽取。本发明利用全分词和依存句法分析相结合，通过融入单词的义原信息，将单词的多个语义信息融合至字符之中，解决了触发词抽取任务中的歧义分词问题及中文词语语义歧义性的问题。本发明利用包括节点注意力网络和类型注意力网络的异构图注意力网络，能够有侧重地捕捉异构图中邻居节点的特征，提高了中文事件触发词的抽取的准确度。
-
公开(公告)号：CN110659492B
公开(公告)日：2021-10-15
申请号：CN201910905213.1
申请日：2019-09-24
Applicant: 北京信息科技大学
IPC: G06F21/56
Abstract: 本发明提供了一种基于多智能体强化学习的恶意软件检测方法及装置，其中方法包括：S1对恶意软件样本进行提取PE特征的操作；S2检测智能体对PE特征进行检测，如果检测结果为恶意则执行S3，如果检测结果为良性则执行S5；S3操作智能体对恶意软件进行变体操作；S4将经过变体操作的恶意软件变体作为恶意软件样本，返回执行S1；S5判断检测智能体是否成功检测出恶意软件，如果未成功检测出恶意软件，则对检测智能体进行惩罚操作，对操作智能体进行奖励操作；如果成功检测出恶意软件，则对检测智能体进行奖励操作，对操作智能体进行惩罚操作；S6如果训练结束，收敛模型，存储检测智能体的检测策略以及操作智能体的操作策略。
-
公开(公告)号：CN110321103B
公开(公告)日：2021-05-11
申请号：CN201910567708.8
申请日：2019-06-27
Applicant: 北京信息科技大学
IPC: G06F7/58
Abstract: 本申请所提供的一种基于物理设备的真随机数生成方法及设备，所述方法包括：采集拍摄图像，获取并计算所述图像的像素点；收集并量化所述图像的热噪声噪点，生成随机数；通过加密算法对随机数进行运算输出真随机数。本申请通过将无光源拍摄下采集的图像的热噪声数值化之后作为随机数，再使用加密算法进行加密生成真随机数，大大降低了使用成本和复杂性，用户可以采用常见的拍摄设备连接随机数生成器即可生成高质量、高安全性的真随机数，使得生成随机数的方法得到普遍推广，简便易于操作且成本低廉。
-
公开(公告)号：CN107944487B
公开(公告)日：2020-01-24
申请号：CN201711156731.5
申请日：2017-11-20
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于混合协同过滤算法的作物育种品种推荐方法，包括如下步骤：步骤1，将对照品种数据和待审核品种数据进行数据预处理，以得到品种‑性状数据表；步骤2，对品种‑性状数据表进行聚类，从而得到多个聚类簇；步骤3，查找包含对照品种‑性状数据表的第一聚类簇；步骤4，计算第一聚类簇中待审核品种与对照品种的相似度，筛选出相似度高的待审核品种；步骤5，将筛选出的待审核品种作为作物育种的推荐品种。本发明能够有效降低计算损耗，特别是在商业化育种时，本发明可提高工作人员的工作效率，大大降低人工成本，能够完成多位育种专家需要进行的工作，从而满足大规模育种数据分析的需求。
-
公开(公告)号：CN110659492A
公开(公告)日：2020-01-07
申请号：CN201910905213.1
申请日：2019-09-24
Applicant: 北京信息科技大学
IPC: G06F21/56
Abstract: 本发明提供了一种基于多智能体强化学习的恶意软件检测方法及装置，其中方法包括：S1对恶意软件样本进行提取PE特征的操作；S2检测智能体对PE特征进行检测，如果检测结果为恶意则执行S3，如果检测结果为良性则执行S5；S3操作智能体对恶意软件进行变体操作；S4将经过变体操作的恶意软件变体作为恶意软件样本，返回执行S1；S5判断检测智能体是否成功检测出恶意软件，如果未成功检测出恶意软件，则对检测智能体进行惩罚操作，对操作智能体进行奖励操作；如果成功检测出恶意软件，则对检测智能体进行奖励操作，对操作智能体进行惩罚操作；S6如果训练结束，收敛模型，存储检测智能体的检测策略以及操作智能体的操作策略。
-
Patent Agency Ranking
公开(公告)号：CN114880664B
公开(公告)日：2024-10-15
申请号：CN202210354648.3
申请日：2022-04-06
Applicant: 北京信息科技大学
Abstract: 本发明提供一种信息安全风险事件要素关系与路径关联分析方法及装置。所述方法包括：以信息安全风险事件要素类型为实体，构建信息安全风险事件图；建立实体关系表示学习模型，将由实体和关系构成的实体三元组输入到训练好的模型，输出表示实体关系的语义相似度的低维稠密向量建立风险事件路径关联学习模型，采用强化学习对所述模型进行训练，通过智能体与环境的交互，得到风险事件路径的关联链。本发明通过构建信息安全风险事件图，采用风险要素关系分析与风险路径关联分析模型进行风险分析，提高了风险识别的效率和效果。
-
公开(公告)号：CN109726187B
公开(公告)日：2021-04-09
申请号：CN201910001149.4
申请日：2019-01-02
Applicant: 北京信息科技大学
Abstract: 本发明提供了一种面向Hadoop的自适应权限控制方法及装置，其中方法包括：获取Hadoop各个组件上用户的日志信息，得到日志记录数据，其中，日志记录数据包括：平台日志信息和审计日志信息；根据日志记录数据进行日志记录数据分析，得到日志记录数据分析结果；根据日志记录数据分析结果生成用户权限调整建议，利用用户权限调整建议调整待调整用户的权限；将所述待调整用户的最新的权限写入到所述Hadoop的各个相应组件上。通过收集Hadoop各个组件的日志，采用对日志记录数据分析的方法对每一个用户贴标签，再针对用户的多个标签进行分析，得出用户权限的调整建议，并为用户授予最新权限，由此节省人力资源和管理员的业务培训费用，提高Hadoop组件的安全保护能力。
-
公开(公告)号：CN113780002B
公开(公告)日：2023-11-28
申请号：CN202110928277.0
申请日：2021-08-13
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于图表示学习和深度强化学习的知识推理方法及装置。所述方法包括：构建关系图神经网络模型，将知识图谱数据输入到所述模型，根据输入数据的不同关系类别提取知识的图拓扑结构信息和语义信息；以提取的信息为基础，构建强化学习模型，通过强化学习智能体和环境的交互进行知识推理，输出推理结果。由于图表示学习后的知识向量含有丰富的以关系类别为主的图拓扑信息和语义信息，提供了强大的单步推理信息，而强化学习推理过程中，通过智能体和环境不断地交互进行多步推理，因(56)对比文件Heng Wang 等.Incorporating graphattention mechanism into knowledge graphreasoning based on deep reinforcementlearning《.Proceedings of the 2019Conference on Empirical Methods inNatural Language Processing and the 9thInternational Joint Conference on NaturalLanguage Processing》.2019,2623-2631.
-
公开(公告)号：CN113780002A
公开(公告)日：2021-12-10
申请号：CN202110928277.0
申请日：2021-08-13
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于图表示学习和深度强化学习的知识推理方法及装置。所述方法包括：构建关系图神经网络模型，将知识图谱数据输入到所述模型，根据输入数据的不同关系类别提取知识的图拓扑结构信息和语义信息；以提取的信息为基础，构建强化学习模型，通过强化学习智能体和环境的交互进行知识推理，输出推理结果。由于图表示学习后的知识向量含有丰富的以关系类别为主的图拓扑信息和语义信息，提供了强大的单步推理信息，而强化学习推理过程中，通过智能体和环境不断地交互进行多步推理，因此，本发明基于图表示学习和强化学习的推理方法，通过将单步推理和多步推理互补结合，可提高推理效率、增强推理的可解释性。
-
公开(公告)号：CN112948552A
公开(公告)日：2021-06-11
申请号：CN202110217425.8
申请日：2021-02-26
Applicant: 北京信息科技大学
IPC: G06F16/332 , G06F16/35 , G06F16/36
Abstract: 本发明公开了一种事理图谱在线扩展方法及装置，该方法包括以下步骤：获取历史新闻文本数据，构建事理图谱；获取最新新闻文本数据，对最新新闻文本数据进行事件关系的匹配及事件抽取；基于自适应泛化模型，利用抽取到的最新新闻文本数据的前件事件和后件事件，对构建的事理图谱进行在线扩展。该方法降低了人工成本，提高了扩展效率，增强了事理图谱的可移植性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.031 seconds)
