-
公开(公告)号：CN117313105A
公开(公告)日：2023-12-29
申请号：CN202311257110.1
申请日：2023-09-27
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 价值链技术(深圳)有限公司
Inventor： 冯光升 , 李冰洋 , 张熠哲 , 蔡成涛 , 王巍 , 陆蓓婷 , 蒋文创 , 王小芳 , 王一 , 杨玉东 , 董宇欣 , 郎大鹏 , 李思照 , 刘泽超 , 马志强 , 申林山 , 宋洪涛 , 王兴梅 , 王也
Abstract: 本发明公开了面向智能合约漏洞数据集的不平衡数据集处理系统及方法，系统包括：数据读取模块：用于依次读取不同类别的漏洞样本集，将所述不同类别的漏洞样本集输入子集划分模块中；子集划分模块：用于对所述不同类别的漏洞数据集中的少数类样本进行划分，获取若干样本子集，并将所述样本子集发送至数据生成模块；数据生成模块：用于分别对不同类别的所述样本子集进行处理，生成新数据；数据读取模块、子集划分模块、数据生成模块依次连接。本发明减小了边界模糊的问题，在一定程度上提升了样本的质量，同时对于多种样本进行了扩充，适用于多类数据的样本集。
-
公开(公告)号：CN114528490B
公开(公告)日：2024-10-29
申请号：CN202210151706.2
申请日：2022-02-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/0895 , G06N3/0442 , G06N3/0464 , G06N3/042
Abstract: 本发明公开了一种基于用户长短期兴趣的自监督序列推荐方法。步骤1：获得用户信息、项目信息及用户行为的序列数据集，将数据集进行预处理并划分为训练集和测试集；步骤2：构建基于用户长短期兴趣的自监督序列推荐模型；步骤3：利用训练集对步骤2所述基于用户长短期兴趣的自监督序列推荐模型进行训练；步骤4：将待推荐用户的个人信息和交互序列输入到步骤3中训练后的基于用户长短期兴趣的自监督序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户。本发明用以解决现有技术中用户的长、短期兴趣二者间所存在的相互约束关系的问题，实现对用户长期兴趣和短期兴趣有更准确的推荐。
-
公开(公告)号：CN114492978B
公开(公告)日：2024-10-29
申请号：CN202210067402.8
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N3/049 , G06F18/25 , G06F18/213 , G06F123/02
Abstract: 本发明提出了一种基于多层注意力机制的时空序列预测方法及设备，本发明基于注意力机制，根据跨领域数据的交叉影响，逐时间步融合多维特征构建历史数据特征，在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。采用LSTM编码器分别捕获时间序列的长期、中期发展模式及短期突变信息，逐步利用注意力机制动态捕获多重时序关系对未来的影响，逐时间步计算相应历史信息的影响权重，最终使用LSTM解码器充分融合多跨度的历史数据，对时空序列进行预测。本发明可以在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。
-
公开(公告)号：CN114330299B
公开(公告)日：2024-08-27
申请号：CN202111557961.9
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06F40/216 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出基于多方面全局关系项目表示学习的会话推荐方法、系统、设备和介质，本发明通过数据驱动并独立于会话的方式学习多方面全局关系的项目表示，构建基于多方面全局关系项目表示学习的会话推荐模型，首先利用训练集全部会话数据构建全局基础图，其次根据该全局基础图构建顺序关系图、共现关系图以及不相容关系图，并通过三种不同的聚合层实现在对应关系图上的信息传播过程，最后通过正面以及负面关系增强当前会话表示，从而大大提高会话推荐性能。
-
公开(公告)号：CN114896515A
公开(公告)日：2022-08-12
申请号：CN202210344092.X
申请日：2022-04-02
Applicant: 哈尔滨工程大学
IPC: G06F16/9536 , G06F16/9535 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提出基于时间间隔的自监督学习协同序列推荐方法、设备和介质。本发明使用图神经网络、注意力机制、自监督等技术构建基于时间间隔的自监督学习协同序列推荐模型，利用用户个人信息与交互数据，完成注意力权重改变机制和自监督学习，模型在训练过程中不断更改其中相关参数，充分考虑到了用户的周期性兴趣，并将协同信息与序列信息进行有效的融合，大大提高了个性化推荐性能。
-
Patent Agency Ranking
公开(公告)号：CN110602145B
公开(公告)日：2022-06-21
申请号：CN201910940865.9
申请日：2019-09-30
Applicant: 哈尔滨工程大学
IPC: H04L9/40 , H04L67/1396 , H04L67/52
Abstract: 本发明公开了一种基于位置服务的轨迹隐私保护方法。步骤1：根据用户的真实位置location生成模糊区域BA；步骤2：用模糊区域BA替代用户真实位置location，从多个匿名器中随机选择一个匿名服务器，向其发送查询请求(id，BA，t，query，k)；步骤3：匿名服务器收到步骤2发送的请求信息后，在模糊区域BA内根据路网选择一个位置点Li；步骤4：匿名服务器根据步骤3中产生的Li生成匿名查询请求；步骤5：向位置服务提供商发送匿名查询请求。本发明基于多匿名器系统结构隐私保护模型进行实时轨迹隐私保护方法的研究，提出将位置模糊和K‑匿名相结合的方法，以达到增强轨迹隐私保护同时保证数据可用性的目的。
-
公开(公告)号：CN114528490A
公开(公告)日：2022-05-24
申请号：CN202210151706.2
申请日：2022-02-18
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于用户长短期兴趣的自监督序列推荐方法。步骤1：获得用户信息、项目信息及用户行为的序列数据集，将数据集进行预处理并划分为训练集和测试集；步骤2：构建基于用户长短期兴趣的自监督序列推荐模型；步骤3：利用训练集对步骤2所述基于用户长短期兴趣的自监督序列推荐模型进行训练；步骤4：将待推荐用户的个人信息和交互序列输入到步骤3中训练后的基于用户长短期兴趣的自监督序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户。本发明用以解决现有技术中用户的长、短期兴趣二者间所存在的相互约束关系的问题，实现对用户长期兴趣和短期兴趣有更准确的推荐。
-
公开(公告)号：CN114492978A
公开(公告)日：2022-05-13
申请号：CN202210067402.8
申请日：2022-01-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于多层注意力机制的时空序列预测方法及设备，本发明基于注意力机制，根据跨领域数据的交叉影响，逐时间步融合多维特征构建历史数据特征，在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。采用LSTM编码器分别捕获时间序列的长期、中期发展模式及短期突变信息，逐步利用注意力机制动态捕获多重时序关系对未来的影响，逐时间步计算相应历史信息的影响权重，最终使用LSTM解码器充分融合多跨度的历史数据，对时空序列进行预测。本发明可以在不引入噪声的前提下，充分利用邻域数据丰富目标区域的特征信息，捕获不同区域时空序列的空间依赖关系。
-
公开(公告)号：CN114330299A
公开(公告)日：2022-04-12
申请号：CN202111557961.9
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出基于多方面全局关系项目表示学习的会话推荐方法、系统、设备和介质，本发明通过数据驱动并独立于会话的方式学习多方面全局关系的项目表示，构建基于多方面全局关系项目表示学习的会话推荐模型，首先利用训练集全部会话数据构建全局基础图，其次根据该全局基础图构建顺序关系图、共现关系图以及不相容关系图，并通过三种不同的聚合层实现在对应关系图上的信息传播过程，最后通过正面以及负面关系增强当前会话表示，从而大大提高会话推荐性能。
-
公开(公告)号：CN114491248B
公开(公告)日：2024-10-29
申请号：CN202210067403.2
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/045 , G06N3/0442
Abstract: 本发明提出了一种基于用户多意图演进的序列推荐方法，所述方法具体包括：采集用户的历史交互数据，并对数据进行预处理；设计多意图提取模块，捕获用户的多个意图；设计意图感知重映射层，将序列的顺序信息和时间信息显示地注入到用户项目的交互序列中；设计意图感知演进层，捕捉用户每个兴趣意图的动态偏移；设计多意图聚合模块，在更精细的意图粒度上捕获具有更多信息的用户表示。本发明可以同时考虑用户历史交互序列中的潜在多意图、不同意图的动态演变以及丰富候选物品的特征表示最大化的利用多意图嵌入的好处，从而达到提升推荐性能的目的。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.095 seconds)
