“赵乃良”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果22个，建议您升级VIP下载更多相关专利

[发明专利]一种基于区块链的在线广告点击欺诈监测和预防方法-CN202110736776.X有效
发明人：吕秋云;李昊;周仁杰;申延召;张纪林;赵乃良;刘焱 -专利权人：杭州电子科技大学
申请日： 2021-06-30 - 公布日： 2023-09-22 - 主分类号： G06Q30/0241 文献下载
摘要：本发明公开了一种基于区块链的在线广告点击欺诈监测和预防方法。本发明所涉及实体包括身份管理机关、用户、广告网络、广告发布者、广告主、实体身份区块链和访问行为区块链。首先由身份管理机关、实体身份区块链、用户、广告发布者和广告主进行初始化，生成系统所需参数和各自所需的公私钥信息；然后，用户Ui、广告发布者PUB和广告主ADE向身份管理机关IMA注册；接着，广告发布者和站点向目标用户发布相关广告吸引用户点击；最后，广告发布者PUB、广告主ADE和站点MS均能够监测和预防点击欺诈。本发明利用区块链不可篡改的特性，保证在线广告系统结算过程中点击量的真实性。
一种基于区块在线广告点击欺诈监测预防方法

[发明专利]结合级联增长模式和用户潜在影响的扩散预测方法-CN202310571037.9在审
发明人：闫鹏;焦鹏飞;张纪林;赵乃良;鲍青 -专利权人：杭州电子科技大学
申请日： 2023-05-17 - 公布日： 2023-08-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种结合级联增长模式和用户潜在影响的扩散预测方法，一种结合级联增长模式和用户潜在影响的扩散预测方法，包括如下步骤：S1、通过重构社交网络结构获取静态用户特征；S2、将级联序列与静态用户特征相结合；S3、将静态用户特征模块获取到的静态用户特征取出，将信息传播过程中历史用户的动态特征传递给邻居用户，提高历史用户的动态特征与邻居用户的接收者特征的相似度，将所有用户的静态特征与特征融合模块获得的整个级联的特征计算相似度，预测未来用户参与信息传播的概率，该方法通过捕获用户在社交网络结构中的信息，建模用户在信息传播过程中的动态特征，并将两者结合，完成对未来信息传播方向的预测。
结合级联增长模式用户潜在影响扩散预测方法

[发明专利]一种基于多尺度一致性信息建模的网络对齐方法-CN202310511202.1在审
发明人：陈志豪;焦鹏飞;高梦州;王盈辉;张纪林;赵乃良 -专利权人：杭州电子科技大学
申请日： 2023-05-06 - 公布日： 2023-08-08 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了一种基于多尺度一致性信息建模的网络对齐方法，包括如下步骤：S1、利用图神经网络分别对两个不同网络中的节点信息进行网络嵌入，从而得到能表达节点的网络嵌入；S2、利用已知锚节点信息，从节点级别和子图级别，分别结合对比学习对两个不同网络进行对齐；S3、将通过网络重构和跨网络对齐对网络对齐任务进行联合训练，最后得到两个网络的嵌入表示并利用其进行网络对齐。该方法利用多尺度一致性的原则去进行网络对齐任务，多尺度一致性指的是节点级别一致性和多阶级别一致性，利用节点级别一致性和多阶级别一致性去共同约束，从而学到源网络和目标网络的节点嵌入，提高网络对齐性能。
一种基于尺度一致性信息建模网络对齐方法

[发明专利]一种基于API语义的恶意软件家族无偏检测方法-CN202310414805.X在审
发明人：常凯新;赵乃良;寇亮;张纪林;刘华 -专利权人：杭州电子科技大学
申请日： 2023-04-18 - 公布日： 2023-08-01 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于API语义的恶意软件家族无偏检测方法，首先进行Windows开发者文档收集。其次进行API与API之间关系提取，构造API关系图。然后通过TransH知识推理对API关系图进行API内隐语义挖掘，得到全体API的语义，并将全体API语义信息作为背景知识，加入到公开的API调用序列中，进行向量化处理，得到API调用序列的初步特征。最后构建恶意软件家族无偏检测模型，得到恶意软件的家族无偏检测结果。本发明检测模型给出更准确的分类结果，减少对领域专业知识以及特征工程手段的依赖，解决了实际应用中因训练数据长尾分布导致的模型在尾部类泛化能力不足的问题。
一种基于 api 语义恶意软件家族检测方法

[发明专利]一种基于多源跨界数据融合的用户画像预测方法-CN202111531109.4有效
发明人：周仁杰;郭星宇;张纪林;万健;刘畅;赵乃良;殷昱煜;蒋从锋;刘焱;李炳;陈青雯 -专利权人：杭州电子科技大学;浙江盘石信息技术股份有限公司
申请日： 2021-12-14 - 公布日： 2023-04-11 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开一种基于多源跨界数据融合的用户画像预测方法，针对现有技术项目特征稀疏、高阶结构化特征缺失以及用户行为序列特征缺失而导致的用户特征预测不准的问题。基于用户产生的电商数据，利用知识图谱扩充商品特征、利用图卷积网络充分对用户历史购买记录进行挖掘及利用循环神经网络预测用户的潜在购买特征，有效提升了用户画像预测的准确性。本发明的优点在于利用通过知识图谱解决了商品特征稀疏的问题，通过图卷积神经网络解决高阶结构化特征缺失的问题，通过循环神经网络解决了用户行为序列特征缺失的问题，为推荐系统的性能提升打下良好基础。
一种基于多源跨界数据融合用户画像预测方法

[发明专利]一种基于协同感知的可信服务组合方法-CN202111633859.2有效
发明人：李尤慧子;石玉庭;殷昱煜;赵乃良;梁婷婷;李玉 -专利权人：杭州电子科技大学
申请日： 2021-12-28 - 公布日： 2023-04-07 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种基于协同感知的可信服务组合方法，包括任务分解、服务发现、服务组合、服务优化、服务组合求解、信誉更新等步骤。本发明方法包含三部分的内容：兼顾协同和执行质量的协同水平评估模型、可信算法的信誉模块和非功能QoS属性修正模块。通过本发明提供的基于协同感知的可信服务组合方法，可以在服务组合领域高效保证任务执行质量的同时兼顾服务间的高协同，减少服务间因沟通合作带来的不必要成本，一定程度上减少虚假服务的参与，保证数据的可信。
一种基于协同感知可信服务组合方法

[发明专利]一种基于二阶导数解决联邦学习中数据不平衡问题的方法-CN202110917450.7有效
发明人：燕忠毅;曾艳;赵乃良;张纪林;任永坚;万健;沈鸿辉 -专利权人：杭州电子科技大学
申请日： 2021-08-11 - 公布日： 2023-02-07 - 主分类号： H04L67/1023 文献下载
摘要：本发明提出一种基于二阶导数解决联邦学习中数据不平衡问题的方法，可以解决局部和全局不平衡对全局模型训练的影响，本发明包括：云端服务器通过计算损失函数关于全局模型参数的二阶导数获得全局模型参数重要性权重，该权重可以反映参数对任务的重要程度，用于构造正则项；边缘客户端利用接收到的信息构建正则项添加到预先设置的优化目标，对重要的参数设置大的惩罚，对不那么重要的参数设置小的惩罚，从而达到如下效果：1）防止本地模型与全局模型差异过大；2）降低大类对全局模型的贡献；3）尽可能地将关于不同边缘客户端的知识集成到全局模型中；云端服务器利用接收到的本地模型更新全局模型。以次往复，直到全局模型精度达到预设要求。
一种基于导数解决联邦学习数据不平衡问题方法

[发明专利]一种面向海岸场景的基于深度学习的船舶定位方法-CN202211340993.8在审
发明人：孙超;薛梅婷;赵乃良;曾艳;袁俊峰;张纪林 -专利权人：杭州电子科技大学
申请日： 2022-10-30 - 公布日： 2023-02-03 - 主分类号： H04W4/02 文献下载
摘要：本发明公开了一种面向海岸场景的基于深度学习的船舶定位方法，通过数据增强产生初步定位特征，然后通过DenseNet模型有效识别出数据增强后的NLOS噪声环境的定位特征，得到更准确的目标船舶定位。数据增强是通过分组预定位的方法产生多个预定位坐标特征，将原始距离数据按照基站分组，对每一组距离数据采用数学模型进行初步定位，产生初步定位特征，在基站数量较少的情况下最大限度的利用了距离特征以及基站位置特征。DenseNet是一种面向强噪声或者高度冗余数据的特征学习方法，通过该模型可以有效的识别出数据增强后的NLOS噪声环境的定位特征，能够在基站更少的海岸场景下有效缓解NLOS误差。
一种面向海岸场景基于深度学习船舶定位方法

[发明专利]一种基于序列相似度和动态掩码训练机制的轨迹修复方法-CN202210877420.2在审
发明人：张纪林;王星;周仁杰;赵乃良;万健;邓飞;王玮;邵衢进;沈佳冰 -专利权人：杭州电子科技大学
申请日： 2022-07-25 - 公布日： 2022-12-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于序列相似度和动态掩码训练机制的轨迹修复方法。首先把用经纬度表示的二维轨迹点离散化，映射到网格中生成一维的轨迹序列，搭建基于相似性移动规律的轨迹修复模型Similarmove；使用动态掩码训练方法对基于相似性移动规律的轨迹修复模型Similarmove进行训练；利用训练好的基于相似性移动规律的轨迹修复模型Similarmove实现轨迹修复。本发明通过在注意力机制中结合DTW相似度提取了历史轨迹序列的相似性规律，通过动态掩码机制引入多种训练信息，增加了网络模型泛化能力，缓解了轨迹修复任务中训练数据稀缺的问题，提升了轨迹修复准确率。
一种基于序列相似动态掩码训练机制轨迹修复方法

[发明专利]一种基于用户交互记录的用户画像预测方法-CN202210714353.2在审
发明人：周仁杰;郭星宇;田宁;万健;张纪林;赵乃良;刘焱;陈青雯;李炳;王巧丹;王先娟 -专利权人：杭州电子科技大学;浙江盘石信息技术股份有限公司
申请日： 2022-06-22 - 公布日： 2022-10-11 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开一种基于用户交互记录的用户画像预测方法，该方法包括：采集用户的基本信息、用户项目交互记录、项目属性信息；构建用户关系图，利用图卷积神经网络学习相邻用户的特征；构建项目属性图，利用图注意力神经网络丰富商品的语义信息；构造用户项目异构图，利用一种二部图卷积神经网络的提取用户间的高阶连通特征，学习用户间的相似性。本发明提高了用户画像的准确性，从而可以利用用户画像为相应用户提供个性化服务。
一种基于用户交互记录画像预测方法

[发明专利]一种多媒体流分布式同步方法-CN202011578440.7有效
发明人：曾艳;路锦;张纪林;任永坚;赵乃良 -专利权人：杭州电子科技大学
申请日： 2020-12-28 - 公布日： 2022-08-30 - 主分类号： H04N21/436 文献下载
摘要：本发明公开了从终端设备通过局域网一对多投放音频或视频流，同时保持多个接收设备间同步的方法。本发明在Source端和Sink端之间建立起数据和控制流通道，提出了基于自适应RTT预测技术，可支持多设备间分布式计算开始处理时间，并且采用Sink端多设备帧组为粒度的同步方法和Sink端单设备帧组内自适应调整处理频率两项关键技术，有效改善了分布式架构中多媒体流不同步及延迟大等问题，确保在低通信开销的情况下，多设备之间多媒体流处理的一致性，降低丢帧、快进、花屏出现概率。该发明可在普适场景下，保持媒体在多个接收设备间的同步，以实现多媒体立体播放最佳体验。
一种多媒体分布式同步方法

[发明专利]面向分布式深度学习的受限权重同步并行模型优化方法-CN202210421355.2在审
发明人：朱伟波;薛梅婷;张纪林;赵乃良;徐沛然;姚蕊;孙超 -专利权人：杭州电子科技大学
申请日： 2022-04-21 - 公布日： 2022-07-22 - 主分类号： G06F11/30 文献下载
摘要：本发明公开了面向分布式深度学习的受限权重同步并行模型优化方法。现有同步、异步结合模型会产生异步缺陷问题。本发明引入梯度聚合进程，若模型梯度聚合是全局同步方式，则将该轮模型梯度聚合的各计算节点的本地模型梯度求和取平均得到新全局模型梯度，并返回给所有计算节点；若模型梯度聚合是局部同步方式，则参数服务器节点根据各计算节点参与的局部同步次数计算出权重因子，然后计算参与局部同步的所有计算节点的模型梯度加权平均数，并将模型梯度加权平均数作为参与局部同步的各计算节点的新局部模型梯度。本发明在保证训练速度的前提下，解决滞后问题，提高模型训练的整体性能，并保证模型训练的准确率。
面向分布式深度学习受限权重同步并行模型优化方法

[发明专利]一种基于多任务学习的互联网在线广告精准投放方法-CN202111461532.1在审
发明人：周仁杰;金振明;刘臣;万健;张纪林;赵乃良;刘焱;陈青雯;邓茂 -专利权人：杭州电子科技大学;浙江盘石信息技术股份有限公司
申请日： 2021-12-02 - 公布日： 2022-04-08 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于多任务学习的互联网在线广告精准投放方法。本发明从基于深度学习用于广告转化率预估的模型出发，在ESMM模型的基础上，利用AutoInt模型作为特征提取组件，提取高阶特征，以及利用自适应调整任务权重策略(AdaptTW)在模型训练过程中根据任务的学习难度和学习速度自适应调整任务的权重，保证任务优化同步，实现最优，以提升互联网广告转化率预估性能。模型不需要大量具有用户转化行为的数据，避免了由于数据稀疏导致训练不充分。本发明在应用到在线广告投放系统中，能够提升广告的转化率，同时没有过多增加模型更新训练时间。
一种基于任务学习互联网在线广告精准投放方法

[发明专利]一种基于用户购买行为的用户特征预测方法-CN202011331045.9有效
发明人：周仁杰;刘畅;张纪林;万健;赵乃良;胡强;谢忠毅;殷昱煜;蒋从锋 -专利权人：杭州电子科技大学
申请日： 2020-11-24 - 公布日： 2022-02-18 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于用户购买行为的用户特征预测方法，该方法包括：采集目标用户特征信息、历史订单信息以及订单商品信息，并利用订单商品信息从公开知识图谱获取商品相关的三元组知识，构建知识子图，利用图卷积神经网络聚合实体近邻局部特征，充分学习实体的表示向量；在用户特征预测模型中根据不同的商品特征以及不同的具有相似购买行为用户的特征学习到目标用户与不同商品以及相似购买行为用户的相似度，充分根据用户间以及用户实体间的相似度学习其特征向量，满足用户的个性化需求。本发明提高了用户特征预测的准确性，从而可以更准确地预测用户特征，构造更完整的用户画像。
一种基于用户购买行为特征预测方法

[发明专利]一种面向AI训练的海量小文件分布式缓存方法-CN202111220222.0在审
发明人：路锦;曾艳;赵乃良;张纪林;袁俊峰;万健;张雪容;沈鸿辉 -专利权人：杭州电子科技大学
申请日： 2021-10-20 - 公布日： 2022-01-07 - 主分类号： G06F16/172 文献下载
摘要：本发明公开了一种面向AI训练的海量小文件分布式缓存方法，以实现海量小文件高性能分布式缓存。本发明首先对小文件按照拟合AI训练中Batch Size特征的规则合并为chunk；其次，分析chunk的缓存状态，对小文件序列进行双层shuffle操作；最后，在AI训练读取数据时，针对重复I/O采用Local Cache短路读取，并在Local Cache短路读取时机开启异步分组预读。本发明通过高效利用缓存解决面向AI训练的海量小文件随机读取难题，在面向AI训练的场景下，显著提升数据访问速率与缓存命中率，减少AI训练的迭代时间。
一种面向 ai 训练海量文件分布式缓存方法

1
2
下一页»
尾页
共 22 条