-
公开(公告)号：CN116303952A
公开(公告)日：2023-06-23
申请号：CN202310204468.1
申请日：2023-03-06
Applicant: 西安电子科技大学
IPC: G06F16/332 , G06F16/36 , G06F16/2458 , G06N5/022 , G06Q50/20 , G06N3/048 , G06N3/08
Abstract: 一种基于异构图的预训练问题表征方法、系统、设备及介质，其方法为：用异构图G表示整个教辅系统间的关系；定义输入层的输入信息及输入信息的处理方法；利用异构图G中存在的不同关系进行约束建模；预测层使用属性特征与顶点特征，利用PNN网络进行建模，预测问题的静态难度值；损失联合优化，得到预训练问题的表征；其系统、设备及介质能够基于所述方法对异构图的预训练问题进行表征；本发明能充分利用教辅系统中的各种异构信息，学习得到包含丰富信息的问题表征，方便的应用于下游知识追踪模型，同时具备全面性和灵活性。
-
公开(公告)号：CN112087420A
公开(公告)日：2020-12-15
申请号：CN202010728153.3
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种网络杀伤链检测方法、预测方法及系统，具体包括：(1)构建d维特征向量；(2)无监督特征选择算法将d维特征向量筛减为k维；(3)通过k维特征向量获取网络杀伤链攻击事件序列集合。在IDS告警日志数据进行杀伤链挖掘的真实场景中，针对无法提前知晓数据中所包含杀伤链数目的问题，本发明改进的谱聚类算法相比于其他的有监督学习方法不仅能够实现无监督学习，还能够自动识别聚类数目；(4)基于已经获得的网络杀伤链序列，采用马尔科夫理论与三种网络杀伤链变种模型进行预测分析；(5)基于理论分析，实现了杀伤链检测与预测系统。
-
公开(公告)号：CN119131880A
公开(公告)日：2024-12-13
申请号：CN202410893920.4
申请日：2024-07-04
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/764 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0895 , G06N3/0464 , G06V10/74 , G06V10/762 , G06V10/82
Abstract: 一种基于动作语义引导的自监督骨架行为识别方法、系统、设备及介质，其方法是：首先，获取待训练骨架视频样本并进行预处理；其次，通过动作语义生成模块生成预处理后人体骨架数据集中每类动作的语义原型，即生成对应动作文本语义特征；另外，将预处理后的人体骨架数据集输入到特征增强模块(FAM)，实现骨架数据增强，生成对应动作的骨架特征；最后，使用多模态融合模块融合对应动作的动作文本语义特征和骨架特征，辅助模型从语义层面学习更具区别性和代表性的动作表示，提升模糊动作识别精度，通过对比学习的方法，以自监督的方式旨在保证模型识别性能的同时降低对大规模标注数据的依赖，实现基于骨架的人体动作分类；其系统、设备及介质基于动作语义引导的自监督骨架行为识别方法，对人体动作进行识别分类，具有准确性高和鲁棒性好的优点。
-
公开(公告)号：CN116579347A
公开(公告)日：2023-08-11
申请号：CN202310212288.8
申请日：2023-03-07
Applicant: 西安电子科技大学
Abstract: 一种基于动态语义特征融合的评论文本情感分析方法、系统、设备及介质，其方法利用BERT预训练模型对传统词嵌入的情感语义表征能力予以补充，通过对BERT模型的微调，在任务预处理阶段充分挖掘出文本蕴含的情感语义信息，动态地对词语进行标识，表征多义词和新词的语义；另外通过双向门循环网络结构(Bi‑GRU)融合自注意力机制，得出每个情感类别对应的概率值，选取概率值最大的类别作为BERT‑BiGRU模型的最终输出结果；所述系统、设备及介质用于计算机程序被处理器执行时能够对评论文本的情感进行分析；本发明具够对评论文本中蕴含的情感极性进行较为准确的预测和分类；改善情感分类模型的性能效果。
-
公开(公告)号：CN116186409A
公开(公告)日：2023-05-30
申请号：CN202310207879.6
申请日：2023-03-06
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06Q50/20 , G06F16/2458 , G06F16/22 , G06F17/18 , G06F17/16 , G06F18/22 , G06N3/0442
Abstract: 一种结合难度与薄弱知识点的多样化习题推荐方法、系统及设备，方法包括：首先将学生历史答题序列进行编码，得到标准格式的模型输入数据；使用e‑DKT模型对习题进行建模，得到学生习题正确回答概率，使用k‑DKT模型对知识点进行建模，得到学生知识点掌握程度；基于正确回答概率和知识点掌握程度，计算习题个人难度和学生薄弱知识点，利用过滤模块，从习题集中选择难度适中且包含薄弱知识点的习题构建候选子集；利用模拟退火算法从候选子集中选择空间距离最大的习题，生成推荐习题列表；设计评估指标以度量推荐的效果，使习题推荐兼具准确性、新颖性及多样性；其系统及设备用于结合难度与薄弱知识点进行多样化习题推荐；本发明同时保证了习题推荐的准确性、新颖性、多样性，具有实用高效的优点。
-
Patent Agency Ranking
公开(公告)号：CN116029305A
公开(公告)日：2023-04-28
申请号：CN202310212271.2
申请日：2023-03-07
Applicant: 西安电子科技大学
IPC: G06F40/30 , G06F40/289 , G06F16/35 , G06N3/047 , G06N3/08
Abstract: 一种基于多任务学习的中文属性级文本情感分析方法、系统、设备及介质，其方法为：使用MacBERT预训练语言模型作为面向中文的情感分析任务的上下文嵌入模块；在使用MacBERT对中文文本进行词嵌入时，能够同时对输入模型的评论文本进行属性词抽取和属性情感分类；使用句法相对距离，改进了基于词语间距的局部上下文聚焦机制；使用多头注意力机制，对属性词抽取模块产生的全局上下文特征和属性情感分类模块产生的局部上下文特征进行交互学习，构建多任务的学习框架；其系统、设备及介质能够对输入的评论文本基于多任务学习进行情感分析；本发明能够适应大规模数据集，自动提取属性词并预测属性词的情感极性，极大地降低了手动标注所有属性词及其情感极性标签的巨大成本。
-
公开(公告)号：CN112087420B
公开(公告)日：2022-06-14
申请号：CN202010728153.3
申请日：2020-07-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种网络杀伤链检测方法、预测方法及系统，具体包括：(1)构建d维特征向量；(2)无监督特征选择算法将d维特征向量筛减为k维；(3)通过k维特征向量获取网络杀伤链攻击事件序列集合。在IDS告警日志数据进行杀伤链挖掘的真实场景中，针对无法提前知晓数据中所包含杀伤链数目的问题，本发明改进的谱聚类算法相比于其他的有监督学习方法不仅能够实现无监督学习，还能够自动识别聚类数目；(4)基于已经获得的网络杀伤链序列，采用马尔科夫理论与三种网络杀伤链变种模型进行预测分析；(5)基于理论分析，实现了杀伤链检测与预测系统。
-
公开(公告)号：CN118134635A
公开(公告)日：2024-06-04
申请号：CN202311538962.8
申请日：2023-11-17
Applicant: 西安电子科技大学
IPC: G06Q40/04 , G06Q30/0202 , G06N3/0464 , G06N3/042 , G06F40/295
Abstract: 基于市场情绪和分层超图卷积神经网络的股票走势预测方法、系统、设备及介质，其方法首先对金融文本数据进行命名实体识别，将文本特征按层次划分到个股、行业、市场三个层次，有效地区分不同层次的市场情绪对股票的影响程度，命名实体识别也深入到了词句级别解决多主体多情绪的情感分类问题；然后使用分层超图卷积神经网络将股票的量化数据和个股文本数据动态融合作为超图点，利用超图性质完成行业、市场两个层次的情感融合，提升对真实股票市场的建模，改善股票走势的预测；通过股票走势预测系统、设备及介质，相关程序能够在通用计算机上执行并完成预测工作；具有多角度利用文本信息，预测效果好的优点。
-
公开(公告)号：CN118037340A
公开(公告)日：2024-05-14
申请号：CN202410228036.9
申请日：2024-02-29
Applicant: 西安电子科技大学
IPC: G06Q30/0202 , G06Q40/06 , G06Q40/04 , G06F16/951 , G06F40/279 , G06F40/126 , G06F18/25 , G06N3/0442 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 基于多源特征融合和图神经网络的股票趋势预测方法、系统、设备及介质，其方法为：多源爬取新闻文本数据，并使用基于自注意力机制的特征提取器对文本进行特征构建，使其能学习到针对于不同行业的不同特征表示；对于股票的基础量化数据，使用图注意力机制来模拟股票交易带来的影响力，对基础股票特征进行调整，使得股票特征更加准确；最后通过计算各个股票市值占总行业市值权重的倒数的方式进行特征融合，输入进时序预测模型LSTM自动学习，从而获得预测结果；系统、设备及介质用于实现模拟股票影响力和多源数据融合的股票趋势预测方法，预测股票趋势，具有预测结果准确的特点。
-
公开(公告)号：CN111967503B
公开(公告)日：2023-10-13
申请号：CN202010721898.7
申请日：2020-07-24
Applicant: 西安电子科技大学
IPC: G06F18/2411 , G06F18/2415 , G06N3/126 , G06F16/955
Abstract: 本发明公开了一种多类型异常网页分类模型的构建方法、异常网页检测方法，其中，多类型异常网页分类模型的构建包括：将不同类型的异常网页分类，并根据不同类型的网页的攻击意图和手段选择相应的属性，并通过SVM‑RFE选取最合适的最优属性，并将每个属性在朴素贝叶斯上的精确度为特征有效度，并将其引入SVM中，设计出一种具有特征有效度的支持向量机，将选取的特征在含有特征有效度支持向量机中训练得到多类型异常网页分类模型。其中，异常网页检测方法包括；将提交的URL提取异常特征，并进行标准化处理，然后调用本发明的多类型异常网页分类模型进行检测。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.026 seconds)
