-
公开(公告)号：CN116011623A
公开(公告)日：2023-04-25
申请号：CN202211610983.1
申请日：2022-12-12
Applicant: 西安交通大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q40/00 , G06F40/126 , G06F40/216 , G06F16/35
Abstract: 一种基于混合比例估计的企业进销项税收风险预测方法，包括：根据进销项发票关联企业，提取企业的文本和非文本信息，对文本信息进行文本嵌入编码，对非文本信息编码，两者合并得到企业特征编码；改进现有的MPE方法，估计税收异常企业的先验概率，得到将税收异常和税收正常企业后验概率转化为标注税收异常和未标注企业后验概率的转移矩阵；构建企业税收风险预测网络并基于转移矩阵将网络的输出映射为标注税收异常企业和未标注企业后验概率，在转移矩阵固定的情况下，基于标注税收异常企业样本和未标注企业样本初始化网络参数；估计得到的转移矩阵，并联合优化学习松弛变量和网络参数，将优化后的网络作为最终的预测模型，实现企业税收风险预测。
-
公开(公告)号：CN111580932B
公开(公告)日：2023-04-07
申请号：CN202010397985.1
申请日：2020-05-12
Applicant: 西安交通大学
IPC: G06F9/455 , G06F9/48 , G06F16/188 , G06F16/185 , G06F16/174 , G06F3/06
Abstract: 本发明公开了一种虚拟机磁盘在线迁移去冗余方法，包括：首先，根据文件系统组织方式，读取磁盘中的超级块，然后根据超级块中的块组描述信息，读取每个块组中的位图，并确定该位图记录块组中的每个块是已用还是可用，利用获取到的所有块组的位图为整个磁盘构建完整的位图；其次，在虚拟机迁移过程中，根据得到的磁盘使用信息进行磁盘迁移，此时只传输已用磁盘块；再次，使用虚拟机自省技术从原始内存数据中提取可能更新过的未使用的块位图，在获取了所有块设备元数据在内存中的缓存后，用其更新位图信息并将之前未迁移的已用磁盘块用现有方法迁移至目的端。本发明主要利用数据自身的语义信息进行数据压缩，从而引入非常小的对上层应用的开销。
-
公开(公告)号：CN115631021A
公开(公告)日：2023-01-20
申请号：CN202211414613.0
申请日：2022-11-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种偷漏税识别渗透测试方法，包括：模拟偷漏税公司个体作案在交易网络中发生虚假交易和隐匿交易的行为，生成使偷漏税检测模型对单个虚开企业检测失败的图对抗样本，对检测模型进行局部测试，计算错误识别率；模拟偷漏税公司团伙作案在交易网络中发生虚假交易和隐匿交易的行为，生成降低检测模型对多个虚开企业的整体检测性能的图对抗样本，对检测模型进行全局测试，计算性能降幅；综合局部测试的错误识别率和全局测试的性能降幅，来全面地评估模型在实际偷漏税识别场景中应用的安全性。本发明实现了评估这些偷漏税识别方法的安全性，诊断这些方法是否存在漏洞，从而保证在要求高安全性的税务场景下应用这些偷漏税识别方法的安全性。
-
公开(公告)号：CN119597936A
公开(公告)日：2025-03-11
申请号：CN202411737967.8
申请日：2024-11-29
Applicant: 西安交通大学
IPC: G06F16/36 , G06F16/35 , G06F16/334 , G06N5/04 , G06N5/022 , G06N3/0455 , G06N3/08
Abstract: 本发明提供基于大模型零样本预测的科教资源关系预测方法及系统，包括：获取无标注科教资源数据，基于大模型的零样本预测和自检将无标注科教资源数据分为简单样本和困难样本，构成少样本训练集；通过人工对少样本训练集进行标注；根据不同的应用场景选择相应的大模型指令微调算法，在标注好的少样本训练集上进行模型的训练，得到训练好的模型；加载训练好的模型进行自动化的关系抽取，完成关系预测。通过获取无标注的科教资源数据，并利用大模型的零样本预测能力对这些数据进行初步处理。这避免了传统方法中对大量标注数据的依赖，使得在标注数据稀缺的科教领域也能进行有效的关系预测。
-
公开(公告)号：CN113077100B
公开(公告)日：2024-10-01
申请号：CN202110409484.5
申请日：2021-04-16
Applicant: 西安交通大学
IPC: G06F17/00
Abstract: 本发明公开了一种基于自动编码机的在线学习潜在退出者预测方法，包括：首先，将学习平台学习日志数据中的文本和非文本信息并进行预处理；其次，构建符合潜在退出者检测问题的深层网络结构，依据编码处理后数据的特征维数确定网络的输入、输出层的神经元个数；再次，基于所构建的深层网络结构，采用BP训练策略通过交叉验证训练在线学习潜在退出者检测网络；最后，利用网络的重构误差对学习者进行异常检测，识别出潜在退出者。本发明利用在线学习者的行为判断在线学习者的学习状态发现潜在退出者，为学生提供有效帮助与指导。
-
Patent Agency Ranking
公开(公告)号：CN116861152A
公开(公告)日：2023-10-10
申请号：CN202310795131.2
申请日：2023-06-30
Applicant: 西安交通大学
Abstract: 本发明一种基于矩阵分解的税务数据安全图神经网络训练方法，包括：首先，对税务数据图的邻接矩阵部分利用外部服务器进行安全的特征值分解，并将获得的特征值分解结果分成多个部分，与特征向量矩阵做运算，生成多个可分发的邻接矩阵；其次，对税务数据图的特征矩阵部分，进行差分隐私；再次，税务数据拥有着通过参数服务器将分解后的邻接矩阵与差分隐私后的特征矩阵分发给各计算方进行模型训练；最后，计算方将计算结果返回给税务数据拥有者，经过参数服务器整合更新获得目标模型参数。本发明拓扑秘密分享及邻接矩阵特征值分解的方式，将原始税务数据进行了安全的分解，进而借助外部算力资源实现了对税务数据的高效分析建模，提高了分析效率。
-
公开(公告)号：CN113077100A
公开(公告)日：2021-07-06
申请号：CN202110409484.5
申请日：2021-04-16
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于自动编码机的在线学习潜在退出者预测方法，包括：首先，将学习平台学习日志数据中的文本和非文本信息并进行预处理；其次，构建符合潜在退出者检测问题的深层网络结构，依据编码处理后数据的特征维数确定网络的输入、输出层的神经元个数；再次，基于所构建的深层网络结构，采用BP训练策略通过交叉验证训练在线学习潜在退出者检测网络；最后，利用网络的重构误差对学习者进行异常检测，识别出潜在退出者。本发明利用在线学习者的行为判断在线学习者的学习状态发现潜在退出者，为学生提供有效帮助与指导。
-
公开(公告)号：CN112765358A
公开(公告)日：2021-05-07
申请号：CN202110201214.5
申请日：2021-02-23
Applicant: 西安交通大学
IPC: G06F16/35 , G06F40/117 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q40/00
Abstract: 一种基于噪声标签学习的纳税人行业分类方法，首先，提取纳税人行业信息中待挖掘的文本信息进行文本嵌入，并对嵌入后的信息做特征处理；其次,提取纳税人行业信息中的非文本信息进行编码处理；再次，构建符合纳税人行业分类问题的BERT‑CNN深层网络结构，依据处理后的特征信息和目标类别数来确定网络的层数、每层的神经元个数以及输入输出的维度；然后，依次通过对比学习、最近邻的语义聚类及自标签学习对构建的网络进行预训练；最后，在所构建的深层网络基础上增加一个噪声建模层，通过网络的自信任以及噪声标签信息对噪声分布进行建模，并基于噪声标签数据进行模型训练；最终，将噪声建模层前的深层网络作为分类模型，基于此模型进行纳税人行业分类。
-
公开(公告)号：CN114817546B
公开(公告)日：2024-09-10
申请号：CN202210498954.4
申请日：2022-05-09
Applicant: 西安交通大学
IPC: G06F16/35 , G06F40/284 , G06F18/214 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/09 , G06Q40/10
Abstract: 本发明公开了一种面向纳税人行业分类的标签噪声学习方法，包括：首先，提取纳税人行业信息中的文本信息和非文本信息，分别基于XLNet文本预训练网络和编码技术进行文本嵌入和非文本编码处理，得到特征信息；其次，构建用于纳税人行业分类的TextCNN网络，根据特征信息和目标分类数来确定网络的层数、卷积核形状以及各层次的输入输出维度，并将XLNet文本预训练网络和TextCNN网络串联，结合带噪的纳税人行业标签数据作为监督，构建端到端的训练装置；再次，并基于改进的混合比例估计方法估计条件转移矩阵；最后，学习训练装置中的网络参数，并将条件转移矩阵作为TextCNN网络之后的线性层，实现噪声标签预测到真实纳税人行业标签预测的转换，进行纳税人行业分类。
-
公开(公告)号：CN113268311B
公开(公告)日：2024-01-12
申请号：CN202110519029.0
申请日：2021-05-12
Applicant: 西安交通大学
IPC: G06F9/455
Abstract: 基于用时感知的虚拟机群高效快照方法，根据内存脏数据产生模型预测快照用时；根据快照用时中的最长快照用时计算用时最长的快照结束时间；将虚拟机内存状态拷贝进快照文件，拷贝过程产生脏页，迭代拷贝过程直到快照结束时间到来；开辟一块内存区域，然后将虚拟机剩余的脏页以及CPU状态保存在快照中的数据复制到内存区域中；将保存到内存区域中的快照状态储存到永久存储快照文件中，最后删除快照中用到的所有临时数据。本发明基于用时感知的虚拟机群快照技术，减小了快照过程中引入的虚拟机性能损失和机群网络中断时间，减小维护机群网络一致性的开销，保证快照性能，不会重复计算脏数据，预测的脏数据量不会超过最大工作集，预测更加准确。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
