曹娟
- 作品数：92 被引量：107H指数：4
- 供职机构：中国科学院计算技术研究所更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术文化科学电子电信更多>>
- 基于网络社交平台的隐私信息甄别方法
- 本发明提供了一种基于网络社交平台构建隐私信息甄别模型的方法。该方法包括以下步骤：根据网络社交平台上已发布的问题及相关答案之间的结构特征构建由多组分析数据构成的训练样本集，其中，每组分析数据包括问题信息、相关的答案列表信息...
- 上官建峰曹娟亓鹏李锦涛
- 文献传递
- 一种社交网络脆弱性评估方法和系统
- 本发明涉及一种社交网络脆弱性评估的方法，包括：采集社交网络中某用户的相关信息，计算得到该用户的档案信息量和博文信息量；以该档案信息量和该博文信息量，得到该用户的个人信息量；以该用户在该社交网络中的朋友数量，及该用户所发布...
- 上官建峰曹娟杨玉婷李锦涛
- 文献传递
- 基于关键区域动态分析的图片隐私风险预测方法与系统、模型训练方法与系统
- 本发明公开了一种基于关键区域动态分析的图片隐私风险预测模型训练方法，包括以下步骤：提取训练数据集中的图片的初步特征；将所述初步特征进行聚类以获得所述图片的多个关键区域及其特征；基于所述多个关键区域的特征，利用神经网络学习...
- 曹娟杨光盛强亓鹏李锦涛谢添
- 基于历史新闻评论辅助的虚假新闻即时检测方法及装置
- 本发明提出一种基于历史新闻评论辅助的虚假新闻即时检测方法和装置，采取教师‑学生结构训练，通过训练教师网络从历史新闻评论中获取知识，通过训练学生网络将评论中的知识迁移至学生网络参数中，实现不依赖评论的检测，同时利用历史新闻...
- 曹娟南琼盛强汪旦丁唐胜
- 基于关联图谱的社交网络用户异常检测方法和系统
- 本发明涉及一种基于关联图谱的社交网络用户异常检测方法和系统，针对现有事件可视化展示技术的不足以及事件、用户、事件主题等多种实体关联性较弱不易于进行用户异常检测，提出一种基于微博平台的事件可视化方法以及事件、用户、事件主题...
- 曹娟郭俊波谢添刘春阳陈志鹏张旭王鹏张翔宇
- 文献传递
- 基于多模态概念关联图的视频检索被引量：5
- 2010年
- 为了有效地提高基于概念的视频检索的检索性能,提出一种新颖的基于多模态概念关联图的视频检索方法.首先通过分析查询与概念之间的组织关系得到网状关系模型描述,并基于该模型构建概念关联图;然后提出查询与概念的多模态映射结构,将多模态查询融入概念关联图,增强概念扩展的针对性;之后使用流形排序动态地扩展索引概念集;全局稳态后采用正交的概念融合方法计算视频索引值,用于视频检索.与多种典型的基于概念的视频检索方法相比,文中方法的平均检索精度增幅达14.6%～86.2%.此外,实验结果表明,该方法在实际的交互式视频检索系统中也具有良好的适用性.
- 冯柏岚包蕾曹娟张勇东林守勋
- 关键词：流形排序
- 基于微博内容的关键词挖掘方法及系统
- 本发明提供一种基于微博内容的关键词挖掘方法，对于所有微博文本经分词得到的所有词的集合中的每个词，基于该词在每个微博文本中出现的次数及该微博文本被转发的次数来计算该词的权重；并选取其权重大于预定阈值的词作为从该微博数据集中...
- 高宝强吴波曹娟张勇东李锦涛
- 文献传递
- 语义增强的多模态虚假新闻检测被引量：9
- 2021年
- 近年来社交媒体逐渐成为人们获取新闻信息的主要渠道,但其在给人们带来方便的同时也促进了虚假新闻的传播.在社交媒体的富媒体化趋势下,虚假新闻逐渐由单一的文本形式向多模态形式转变,因此多模态虚假新闻检测正在受到越来越多的关注.现有的多模态虚假新闻检测方法大多依赖于和数据集高度相关的表现层面特征,对新闻的语义层面特征建模不足,难以理解文本和视觉实体的深层语义,在新数据上的泛化能力受限.提出了一种语义增强的多模态虚假新闻检测方法,通过利用预训练语言模型中隐含的事实知识以及显式的视觉实体提取,更好地理解多模态新闻的深层语义.提取不同语义层次的视觉特征,在此基础上采用文本引导的注意力机制建模图文之间的语义交互,从而更好地融合多模态异构特征.在基于微博新闻的真实数据集上的实验结果表明:该方法能够有效提高多模态虚假新闻检测的性能.
- 亓鹏曹娟盛强
- 关键词：社交媒体多模态知识融合
- 一种基于换脸的合成人脸修复方法、介质和电子设备
- 本发明提供了一种基于换脸的合成人脸修复方法、介质和电子设备，其中，合成人脸修复模型的构建方法包括：利用合成人脸图像集训练第一自编码器进行人脸图像重构，得到经训练的第一自编码器，其中，第一自编码器包括编码器和解码器，合成人...
- 曹娟方凌飞黄子尧唐胜
- 基于多示例学习的食品健康领域长文谣言检测被引量：1
- 2022年
- 为解决长文本的谣言检测问题,以食品健康领域的长文本谣言为例,提出一种基于多示例学习的长文本谣言检测方法。将带有明显段落结构的长文本作为包,以文章段落作为示例,结合文本卷积神经网络与注意力机制建立MI-TCNNSA模型。实验结果表明,该模型在准确率、召回率与F1得分等通用指标取得优异成绩,高于传统通用方法。通过多示例学习改进后的短文本谣言检测方法与原方法对比,验证了多示例学习在长文本谣言检测的有效性,也为该问题提供一种思路。
- 谭励王舸周丽娜曹娟
- 关键词：多示例学习卷积神经网络
