专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4个,建议您升级VIP下载更多相关专利
  • [发明专利]基于热扩散模型的多源头消息定位方法-CN202310682859.4在审
  • 张引;沈倩;汪冉冉;万文超;姜钰婕 - 电子科技大学
  • 2023-06-09 - 2023-09-15 - G06Q50/00
  • 本发明提供一种基于热扩散模型的多源头消息定位方法,可应用于社交网络中的信息源定位、网络取证等网络安全相关的场景。本发明引入了热扩散模型模拟信息的扩散过程,当前时间步节点的熵可以被看作是热扩散模型中该节点对周围信息的扩散程度的度量,因此当前时间步节点的熵的期望值可以被视作该节点在当前时间步对周围信息的平均扩散程度的度量;当前时间步和下一个时间步节点的熵的KL散度可以看作热扩散模型中的扩散度量,即热传导方程中的扩散系数。最小化当前时间步的熵的期望值与当前时间步和下一个时间步节点的熵的KL散度使节点成为当前时间步下可能的源头。通过最小化每个时间步的源检测损失,使预测的源接近真实的源。
  • 基于扩散模型源头消息定位方法
  • [发明专利]信息传播主题感知的影响用户预测方法-CN202211356549.5在审
  • 汪冉冉;张引;万文超;姜钰婕;沈倩 - 电子科技大学
  • 2022-11-01 - 2023-07-04 - G06F16/9536
  • 本发明公开一种事件主题感知的信息传播预测方法,为解决信息传播模型中的主题感知以及信息传播载体网络异质以及目前信息传播预测方法实用性差等问题,本发明首先设计了一种基于神经网络的LDA改进模型实现主题不混淆且考虑文本语义上下文的主题提取模型,从而实现传播信息的主题感知。另外为了从复杂的异质网络中高效定位所有可能受影响的用户,本发明利用主题在网络中通过定位对当前主题感兴趣的用户所构成的子图,并在子图中通过构建统一的特征空间、异质的节点关系来模拟信息传播过程,从而尽可能的模拟真实场景的信息传播过程进而在模型效率和准确度等方面提高模型的实用性。
  • 信息传播主题感知影响用户预测方法
  • [发明专利]一种自适应的信息传播源头检测方法-CN202210232464.X有效
  • 汪冉冉;张引;万文超;姜钰婕;沈倩 - 电子科技大学
  • 2022-03-08 - 2023-04-07 - G06Q50/00
  • 本发明公开一种自适应的信息传播源头检测方法,可应用于社交网络舆情控制。为解决社交网络中因信息种类、不实信息传播的模式、用户间的信息交换方式复杂多变,使得检测传播信息传播源头的任务格外困难的问题。本发明首先考虑到用户间朋友、转发、评论等多种信息交流方式构建了一个可学习的逻辑关系图以适应用户间复杂的关系。本发明还设计了一个可以耦合进深度学习模型进行参数学习的不实信息中心性度量方法以自适应的计算不实信息传播网络中各个节点的网络中心性。为了能够灵活处理社交网络中的噪音,本发明还提出了一个基于聚类的噪音消除机制。
  • 一种自适应信息传播源头检测方法
  • [发明专利]一种基于对比学习的在线内容的流行度预测方法-CN202211028548.8在审
  • 万文超;张引;汪冉冉;姜钰婕;沈倩 - 电子科技大学
  • 2022-08-25 - 2022-11-25 - G06Q10/04
  • 本发明公开一种基于对比学习的在线内容的流行度预测方法,可应用于社交网络中的消息推送等场景。为解决由于社交网络中用户数量庞大且关系复杂、难以全面捕捉消息级联传播的特征,使得准确预测在线内容的流行度的任务十分具有挑战性的问题,本发明首先构建社交网络中用户和消息之间的逻辑关系图,将其投影到只包含消息节点的关系图中;然后通过获取消息在用户之间级联传播的级联图时间序列对每个消息的级联传播过程进行建模;同时我们根据消息的流行程度进行采样,确定消息锚节点的正负样本,设计了一种对比损失的计算方法,并通过最小化对比损失实现不同消息之间的对比学习。
  • 一种基于对比学习在线内容流行预测方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top