检索结果-内蒙古大学图书馆

作者：党向磊张良李佳陈训逊云晓春黄亮刘伟郭三川杨云龙王鼎华李高超邹昕缪亚男 100029 北京市朝阳区裕民路甲3号

本发明公开了一种负载分担求余的方法及装置，该负载分担求余的方法包括：步骤一，根据以太网报文信息确定可用的输出设备的数量；步骤二，对以太网报文信息中的预设字段进行Hash运算，得到Hash值；步骤三，根据所述Hash值以及所述以太... 详细信息

标准号: CN111147390B

本发明公开了一种负载分担求余的方法及装置，该负载分担求余的方法包括：步骤一，根据以太网报文信息确定可用的输出设备的数量；步骤二，对以太网报文信息中的预设字段进行Hash运算，得到Hash值；步骤三，根据所述Hash值以及所述以太网报文信息所对应的输出设备的数量，计算得到余数；步骤四，根据所述余数确定对应的输出设备。使用本发明的技术方案，从而可以在不降低系统性能情况下，通过求余算法实现负载分担功能。

关键词：以太网报文输出设备余数负载分担负载分担功能降低系统算法实现信息确定可用预设字段

来源：评论

学校读者我要写书评

暂无评论

一种文档级敏感信息检测模型训练及预测方法

一种文档级敏感信息检测模型训练及预测方法

引用

作者：张震孙旭东刘发强刘睿霖 100029 北京市朝阳区裕民路甲3号

本发明涉及一种文档级敏感信息检测模型训练及预测方法，所述训练方法包括：获取训练样本集；使用上下文编码器对所述文档中的每个句子进行编码，得到句子中每个单词的上下文表示，根据所述句子中最短依赖路径上的关系和所述上下文语义... 详细信息

标准号: CN115759043A

本发明涉及一种文档级敏感信息检测模型训练及预测方法，所述训练方法包括：获取训练样本集；使用上下文编码器对所述文档中的每个句子进行编码，得到句子中每个单词的上下文表示，根据所述句子中最短依赖路径上的关系和所述上下文语义的关联强度，生成文档级实体注意力权重图；将所述注意力权重图输入到图卷积神经网络中，得到文档级跨句语义结构，根据所述文档级跨句语义结构，更新所述注意力权重图；将更新后的注意力权重图输入到分类器中，得到分类分数；根据所述分类分数与所述标签计算损失值，根据所述损失值对所述上下文编码器、图卷积神经网络和分类器进行训练，得到训练完成的模型。

关键词：权重图文档注意力句子神经网络语义结构编码器分类器敏感信息检测上下文表示上下文语义训练样本集模型训练分类更新单词标签关联预测

来源：评论

学校读者我要写书评

暂无评论

一种基于互动的社交媒体用户分类方法

一种基于互动的社交媒体用户分类方法

引用

作者：张传新刘星辰解峥 100029 北京市朝阳区裕民路甲3号

本发明涉及网络的技术领域，特别是涉及一种基于互动的社交媒体用户分类方法，根据从社交媒体中爬取的推文进行分析，量化推文的敏感程度，对推文进行分类，然后再根据用户之间的交互关系，对评论内容进行情感分析，进而对用户进行分类... 详细信息

标准号: CN117033628A

本发明涉及网络的技术领域，特别是涉及一种基于互动的社交媒体用户分类方法，根据从社交媒体中爬取的推文进行分析，量化推文的敏感程度，对推文进行分类，然后再根据用户之间的交互关系，对评论内容进行情感分析，进而对用户进行分类，挖掘具有发表敏感舆论倾向的用户；包括以下步骤：1.社交媒体推文分类；2.用户分类；3.推文和用户关联分类。

关键词：分类交互关系媒体用户评论内容情感分析用户分类用户关联敏感互动量化挖掘网络分析

来源：评论

学校读者我要写书评

暂无评论

基于移动轨迹数据的用户识别方法、装置及存储介质

基于移动轨迹数据的用户识别方法、装置及存储介质

引用

作者：王丽宏郭舒范越贺敏刘婧王惠文王珂瑶黄洪仁王士承钟盛海 100029 北京市朝阳区裕民路甲3号

本申请提供了一种基于移动轨迹数据的用户识别方法、装置及存储介质，该方法包括：获取任意两条待判别的目标轨迹数据，其中，目标轨迹数据为从目标区域中提取出的路径信息，目标区域为用户访问过的区域；将目标轨迹数据的表征集合输入... 详细信息

标准号: CN113704373B

本申请提供了一种基于移动轨迹数据的用户识别方法、装置及存储介质，该方法包括：获取任意两条待判别的目标轨迹数据，其中，目标轨迹数据为从目标区域中提取出的路径信息，目标区域为用户访问过的区域；将目标轨迹数据的表征集合输入到目标模型内，判断目标轨迹数据是否来自同一用户，其中，目标模型是由初始判别模型训练得到的，输入初始判别模型的训练参数包括：任意两条初始轨迹数据之间的共现次数、任意两条初始轨迹数据之间的角度余弦值、任意两条初始轨迹数据之间的概率偏差值、任意两条初始轨迹数据之间的相似度数值以及用于指示任意两条初始轨迹数据是否来自同一用户的标注信息。通过本申请，解决了相关技术中存在的用户识别准确率较低，稳定性不高的问题。

关键词：轨迹数据目标轨迹数据目标模型目标区域判别模型同一用户用户识别移动轨迹数据标注信息存储介质概率偏差路径信息训练参数用户访问相似度准确率余弦申请集合

来源：评论

学校读者我要写书评

暂无评论

基于改进TF-IDF与N-Gram的恶意Web请求智能识别

引用

中国信息界 2024年第6期 179-182页

作者：安渊杨琴杨雄国家计算机网络与信息安全管理中心西藏分中心

引言目前,我国互联网基础资源高质量发展,数字化平台成为经济增长的新引擎,以在线办公、网络娱乐、公共服务和信息共享等为代表的Web应用平台呈现大规模增长趋势。随着Web应用平台的大规模增长,Web应用平台可用性和数据安全问题越来越... 详细信息

引言目前,我国互联网基础资源高质量发展,数字化平台成为经济增长的新引擎,以在线办公、网络娱乐、公共服务和信息共享等为代表的Web应用平台呈现大规模增长趋势。随着Web应用平台的大规模增长,Web应用平台可用性和数据安全问题越来越受到人们的关注,而恶意Web请求是导致Web应用平台可用性和数据安全问题的主要威胁。针对网络上的恶意Web请求,本文提出了一种融合改进版TF-IDF和N-Gram的智能识别方案,辅以逻辑回归函数优化,旨在提供一种高效精准的恶意Web请求识别手段。

关键词： Web应用智能识别改进版信息共享网络娱乐数字化平台数据安全问题函数优化

来源：评论

学校读者我要写书评

暂无评论

基于ERNIE模型的态度检测方法、装置及设备

基于ERNIE模型的态度检测方法、装置及设备

引用

作者：张翔宇张旭陈彤 100029 北京市朝阳区裕民路甲3号

本发明公开了基于ERNIE模型的态度检测方法，其特征在于，包括：获取待测某信息下的原创文本及其评论、转发关系，得所述待测某信息下的原创文本及其对应的评论文本和转发文本；基于ERNIE模型，对所述原创文本、评论文本和转发文本的态... 详细信息

标准号: CN116681066A

本发明公开了基于ERNIE模型的态度检测方法，其特征在于，包括：获取待测某信息下的原创文本及其评论、转发关系，得所述待测某信息下的原创文本及其对应的评论文本和转发文本；基于ERNIE模型，对所述原创文本、评论文本和转发文本的态度进行检测，得文本态度检测结果；获取所述原创文本、评论文本和转发文本对应的用户ID和发布时间，根据所述文本态度检测结果，采用时间衰减函数和最大概率和的规则，对待测用户的态度进行检测，得用户态度检测结果；以及，基于ERNIE模型的态度检测装置。本发明具有对态度的识别的精度高、泛化能力强等优点。

关键词：文本检测结果评论文本转发检测检测装置时间衰减用户态度最大概率能力强评论发布

来源：评论

学校读者我要写书评

暂无评论

多类型网络应用服务质量评估系统和方法

多类型网络应用服务质量评估系统和方法

引用

作者：司成祥孙天艺刘云昊廖元媛张梦菲 100029 北京市朝阳区裕民路甲3号

本发明提供的多类型网络应用服务质量评估系统和方法，包括网络服务综合指标监测子系统、网络服务质量精细评估子系统和服务分级评估可视化子系统。网络服务综合指标监测子系统用于：定义不同类型网络应用评估模板的指标；接收总控节点... 详细信息

标准号: CN117221148A

本发明提供的多类型网络应用服务质量评估系统和方法，包括网络服务综合指标监测子系统、网络服务质量精细评估子系统和服务分级评估可视化子系统。网络服务综合指标监测子系统用于：定义不同类型网络应用评估模板的指标；接收总控节点发送的监测评估指令，通过建立监测模型，对评估模板的指标进行监测。网络服务质量精细评估子系统用于：确定单个指标的打分标准；使用层次分析法确定不同指标间的权重，制定打分模板，获得总评分。服务分级评估可视化子系统用于：用户与多类型网络应用服务质量评估系统的交互操作，设置应用服务质量参数；存储监测评估数据功能。本发明提供的系统和方法，实现了系统在不同网络节点对应用的服务质量进行综合评估。

关键词：网络服务质量评估系统多类型网络监测子系统评估子系统综合指标分级评估评估模板应用服务可视监测精细服务质量参数层次分析法监测模型交互操作节点发送评估数据设置应用网络节点网络应用综合评估权重服务存储指令评估应用制定

来源：评论

学校读者我要写书评

暂无评论

一种基于联邦学习模型的训练方法

一种基于联邦学习模型的训练方法

引用

作者：刘睿霖程娇杜金浩张震石瑾高圣翔刘发强 100020 北京市朝阳区裕民路甲3号

本发明属于联邦学习领域，提供了一种基于联邦学习模型的训练方法，包括以下步骤：S11，定义问题：确定需要解决的机器学习问题、本地数据的来源、以及参与联邦学习的设备或节点；S12，模型选择和初始化：选择相应的模型，并在所有的本... 详细信息

标准号: CN117035058A

本发明属于联邦学习领域，提供了一种基于联邦学习模型的训练方法，包括以下步骤：S11，定义问题：确定需要解决的机器学习问题、本地数据的来源、以及参与联邦学习的设备或节点；S12，模型选择和初始化：选择相应的模型，并在所有的本地设备或节点上初始化相应的模型，并下发至所有用户端；S13，本地训练：每个本地设备或节点使用其本地数据集对初始化的模型进行训练，得到一个本地模型；S14，模型聚合：在中央服务器上聚合本地模型；本发明通过在每个本地设备或节点都可以进行本地模型的训练和更新，进一步分散计算负载，提高训练速度和效率；通过设定停止条件来控制模型更新的频率，进而避免过度拟合等问题。

关键词：初始化聚合中央服务器定义问题机器学习计算负载节点使用控制模型模型选择停止条件数据集用户端更新拟合学习

来源：评论

学校读者我要写书评

暂无评论

基于少样本几何深度学习的用户重识别系统及方法

基于少样本几何深度学习的用户重识别系统及方法

引用

作者：佟玲玲侯炜吕东时磊井雅琪任博雅段运强王海洋孙旷怡段荣昌段东圣 100000 北京市朝阳区裕民路甲3号

本发明涉及社交网络技术领域，尤其为基于少样本几何深度学习的用户重识别系统及方法，包括：生成排序模块：用于生成候选实体，并对候选实体进行相应排序；向量转化模块：用于通过图卷积的方式将待链接实体和候选实体转换成含有语义信... 详细信息

标准号: CN116561599A

本发明涉及社交网络技术领域，尤其为基于少样本几何深度学习的用户重识别系统及方法，包括：生成排序模块：用于生成候选实体，并对候选实体进行相应排序；向量转化模块：用于通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示；深度训练模块：用于使用几何深度学习对所有的用户属性、内容、关系进行训练；身份重识别模块：用于计算两个实体之间的相似度，进行用户身份的重识别。本发明通过使用少样本几何深度学习实现用户身份重识别，通过图卷积的方式将待链接实体和候选实体转换成含有语义信息的向量表示，生成了有用的实体嵌入，并通过深度学习网络对所有的用户属性、内容、关系进行学习输出，获得更为准确的用户身份重识别信息。

关键词：候选实体用户身份向量表示用户属性语义信息链接学习样本排序模块社交网络识别系统训练模块转化模块相似度转换向量嵌入排序输出身份网络

来源：评论

学校读者我要写书评

暂无评论

异构资源分布式计算平台批量任务调度方法及存储介质

异构资源分布式计算平台批量任务调度方法及存储介质

引用

作者：李扬曦杜翠兰佟玲玲项菲柳毅段东圣任博雅李鹏霄段运强 100029 北京市朝阳区裕民路甲3号

本发明公开了一种异构资源分布式计算平台批量任务调度方法及存储介质，本发明在由几个计算中心组成的异构资源分布式计算集群中，将每个计算中心中的异构资源进行整合与分组，针对分布式计算平台中常见任务的需求，将这些资源合理地分... 详细信息

标准号: CN112181613B

本发明公开了一种异构资源分布式计算平台批量任务调度方法及存储介质，本发明在由几个计算中心组成的异构资源分布式计算集群中，将每个计算中心中的异构资源进行整合与分组，针对分布式计算平台中常见任务的需求，将这些资源合理地分配到预设的具有相应资源偏好的任务队列中。当有一批新任务提交时，根据用户提交的每个任务的相应特征以及各个中心的任务队列当前状态，分析全局最优解，为每个任务选择合适的队列。从而高效利用跨中心多集群中的异构资源，合理进行批量任务调度，解决现有技术中任务调度性能低、任务等待时间长的问题。

关键词：异构资源任务调度分布式计算平台任务队列分布式计算全局最优解存储介质高效利用任务等待任务提交任务选择用户提交多集群集群偏好预设整合队列分组分配分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：