Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 国家计算机网络与信息安全管理中心汤星获国家专利权

国家计算机网络与信息安全管理中心汤星获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉国家计算机网络与信息安全管理中心申请的专利一种基于多特征融合的群组线索发现方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119537711B

龙图腾网通过国家知识产权局官网在2025-09-23发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411564014.6,技术领域涉及:G06F16/9536;该发明授权一种基于多特征融合的群组线索发现方法是由汤星;詹嘉措;景堃设计研发完成,并于2024-11-05向国家知识产权局提交的专利申请。

一种基于多特征融合的群组线索发现方法在说明书摘要公布了:本公开提供一种基于多特征融合的群组线索发现方法。包括两部分:基于多特征融合的重点群组识别模块和重点群组线索发现模块;基于多特征融合的重点群组识别模块经过位置编码后的词嵌入序列被输入到多层Transformer网络中利用自注意力机制进行深度特征提取;之后设计多专家混合模型对码值特征、文本特征的表征、降维后的统计特征进行特征融合与判别,具体而言,设计门控机制通过对输入特征进行分析,生成每个专家网络的加权系数,所述重点群组线索发现模块接收所述多专家混合模型的运算结果,通过基于大模型提示的文本线索发现和滑动窗口时序线索发现方法实现筛选重点组群,并得到组群筛选结果。

本发明授权一种基于多特征融合的群组线索发现方法在权利要求书中公布了:1.一种基于多特征融合的群组线索发现方法,其特征在于,包括两部分:基于多特征融合的重点群组识别模块和重点群组线索发现模块; 所述基于多特征融合的重点群组识别模块首先利用GPT模型对社交平台上的群组文本数据进行提取,并对所述文本数据进行预处理,将文本数据转化为词嵌入表示; 接着,经过位置编码后的词嵌入序列被输入到多层Transformer网络中利用自注意力机制进行深度特征提取,计算公式为: 其中Q表示查询矩阵,表示当前词对其他词的关注程度,每个词的位置都会生成一个查询向量,用于寻找与其相关的词,K表示键矩阵,表示词的特征或内容,每个词的位置都会生成一个键向量,用于与查询向量Q进行匹配,从而确定关联性,V表示值矩阵,表示词的值或输出信息,每个词的位置生成一个值向量,表示该词的内容信息,将被加权汇总成输出,dk表示键向量K的维度,是一个归一化因子,用于缩小点积结果的值范围,避免过大的数值导致softmax函数趋近于饱和,从而失去区分度,T表示矩阵的转置键矩阵K的转置矩阵,所述深度特征包括码值特征、文本特征、统计特征; 而后对文本特征、码值特征和统计特征分别建立独立的专家网络处理,每个所述专家网络是一个多层感知机,对文本特征生成表征,对统计特征进行降维;之后设计多专家混合模型对码值特征、文本特征的表征、降维后的统计特征进行特征融合与判别,具体而言,设计门控机制通过对输入特征进行分析,生成每个专家网络的加权系数,并根据输入特征的重要性,动态地调整各个专家网络的输出权重;最终所有专家网络的输出通过加权求和的方式进行融合,生成综合的特征表示,融合公式具体为: 其中,n是专家网络的数量,Ffinal是融合后的最终特征表示; 所述重点群组线索发现模块接收所述多专家混合模型的运算结果,通过基于大模型提示的文本线索发现和滑动窗口时序线索发现方法实现筛选重点组群,并得到组群筛选结果。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国家计算机网络与信息安全管理中心,其通讯地址为:100029 北京市朝阳区裕民路甲3号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。