CN117494147B - 基于网络空间行为数据的多平台虚拟用户数据对齐方法 - Google Patents
基于网络空间行为数据的多平台虚拟用户数据对齐方法 Download PDFInfo
- Publication number
- CN117494147B CN117494147B CN202311852729.7A CN202311852729A CN117494147B CN 117494147 B CN117494147 B CN 117494147B CN 202311852729 A CN202311852729 A CN 202311852729A CN 117494147 B CN117494147 B CN 117494147B
- Authority
- CN
- China
- Prior art keywords
- data
- platform
- network space
- virtual user
- space behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012552 review Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012795 verification Methods 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 80
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/57—Certifying or maintaining trusted computer platforms, e.g. secure boots or power-downs, version controls, system software checks, secure updates or assessing vulnerabilities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
- G06F40/186—Templates
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明涉及虚拟用户数据对齐领域，尤其涉及基于网络空间行为数据的多平台虚拟用户数据对齐方法，包括：S1、获取多平台虚拟用户的网络空间行为数据；S2、利用所述多平台虚拟用户的网络空间行为数据获取对应综合置信度；S3、根据所述多平台虚拟用户的网络空间行为数据对应综合置信度建立多平台虚拟用户统一数据集；S4、利用所述多平台虚拟用户统一数据集得到多平台虚拟用户数据对齐结果，利用用户在网络空间的行为数据进行跨平台虚拟用户对比验证的手段，在其多平台数据综合考量下，建立支持度、置信度与提升度的计算、处理与验证多级步骤，将不同平台中不同类别数据进行统筹，帮助后续相关治理。
Description
技术领域
本发明涉及虚拟用户数据对齐领域，具体涉及基于网络空间行为数据的多平台虚拟用户数据对齐方法。
背景技术
随着互联网的高速发展，各种社交平台作为一种新的社交形式不断涌现。与此同时，由此带来极大影响。而线上用户的发帖评论点赞等行为数据作为其网络空间行为数据，对于网络空间治理，以及后续维护网络安全意义重大。只有通过有效的网络空间治理，才能建立健康、安全的网络环境。
发明内容
针对现有技术的不足，本发明提供了一种基于网络空间行为数据的多平台虚拟用户数据对齐方法，通过将网络空间行为数据的综合分析，利用其数据对应置信度等，进行多级分析筛选，最终输出对齐结果提升处理效率及稳定性。
为实现上述目的，本发明提供了基于网络空间行为数据的多平台虚拟用户数据对齐方法，包括：
S1、获取多平台虚拟用户的网络空间行为数据；
S2、利用所述多平台虚拟用户的网络空间行为数据获取对应综合置信度；
S3、根据所述多平台虚拟用户的网络空间行为数据对应综合置信度建立多平台虚拟用户统一数据集；
S4、利用所述多平台虚拟用户统一数据集得到多平台虚拟用户数据对齐结果。
优选的，所述获取多平台虚拟用户的网络空间行为数据包括：
获取虚拟用户的多平台网络空间行为数据；
利用所述多平台网络空间行为数据获取多平台网络空间行为数据的数据种类；
根据多平台对应数量对多平台网络空间行为数据进行划分得到多平台网络空间行为数据集；
利用所述多平台网络空间行为数据集根据数据种类建立数据对齐初始模板；
利用所述数据对齐初始模板与多平台网络空间行为数据集作为多平台虚拟用户的网络空间行为数据。
进一步的，利用所述多平台网络空间行为数据集根据数据种类建立数据对齐初始模板包括：
获取所述多平台网络空间行为数据集中对应数据种类最多的平台网络空间行为数据作为一级模板数据；
利用所述一级模板数据对应数据种类与数据种类数量作为二级模板数据；
利用所述一级模板数据与二级模板数据作为数据对齐初始模板。
进一步的，利用所述多平台虚拟用户的网络空间行为数据获取对应综合置信度包括：
获取所述多平台虚拟用户的网络空间行为数据对应数据对齐初始模板置信度；
根据所述数据对齐初始模板置信度获取多平台虚拟用户的网络空间行为数据对应多平台网络空间行为数据集置信度；
利用所述多平台网络空间行为数据集置信度得到多平台虚拟用户的网络空间行为数据对应综合置信度。
进一步的，获取所述多平台虚拟用户的网络空间行为数据对应数据对齐初始模板置信度包括：
利用所述数据对齐初始模板对应一级模板数据与二级模板数据作为数据支持度基准；
根据所述一级模板数据与二级模板数据作为数据置信度基准；
利用所述数据支持度基准与数据置信度基准作为数据对齐初始模板置信度。
进一步的，根据所述数据对齐初始模板置信度获取多平台虚拟用户的网络空间行为数据对应多平台网络空间行为数据集置信度包括：
利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据支持度基准分别进行支持度计算得到多平台网络空间行为数据支持度集；
利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据置信度基准分别进行置信度计算得到多平台网络空间行为数据置信度集；
利用所述多平台网络空间行为数据置信度集作为多平台网络空间行为数据集置信度。
进一步的，利用所述多平台网络空间行为数据集置信度得到多平台虚拟用户的网络空间行为数据对应综合置信度包括：
利用所述多平台网络空间行为数据集置信度根据其对应数量计算平均置信度；
利用所述平均置信度与多平台网络空间行为数据集置信度计算置信度标准差；
利用所述平均置信度与置信度标准差作为综合置信度。
进一步的，根据所述多平台虚拟用户的网络空间行为数据对应综合置信度建立多平台虚拟用户统一数据集包括：
利用所述二级模板数据建立统一数据集目录；
利用所述多平台虚拟用户的网络空间行为数据根据统一数据集目录进行对应填入得到多平台虚拟用户独立数据集；
利用所述多平台虚拟用户的网络空间行为数据对应一级模板数据与二级模板数据作为数据集统一标签；
利用所述多平台虚拟用户独立数据集、数据集统一标签与综合置信度作为多平台虚拟用户统一数据集。
进一步的，利用所述多平台虚拟用户统一数据集得到多平台虚拟用户数据对齐结果包括：
S4-1、利用所述多平台虚拟用户统一数据集得到置信度关联性复核；
S4-2、判断所述置信度关联性复核是否通过，若是，则输出多平台虚拟用户统一数据集作为多平台虚拟用户数据对齐结果，否则，去除未通过置信度关联性复核的多平台虚拟用户统一数据集对应子集作为多平台虚拟用户数据对齐结果；
其中，所述置信度关联性复核为通过或未通过。
进一步的，利用所述多平台虚拟用户统一数据集得到置信度关联性复核包括：
S4-1-1、判断所述多平台虚拟用户统一数据集对应一级模板数据的支持度与置信度的趋势是否一致，若是，则执行S4-1-2，否则，一级模板数据存在相斥数据，置信度关联性复核为未通过；
S4-1-2、判断所述多平台虚拟用户统一数据集对应一级模板数据的置信度与对应提升度的趋势是否一致，若是，则置信度关联性复核为通过，否则，一级模板数据的置信度关联度波动，置信度关联性复核为未通过；
其中，所述趋势为支持度与置信度、置信度与提升度的数据变化方向均一致。
与最接近的现有技术相比，本发明具有的有益效果：
利用用户在网络空间的行为数据进行跨平台虚拟用户对比验证的手段，在其多平台数据综合考量下，建立支持度、置信度与提升度的计算、处理与验证多级步骤，将不同平台中不同类别数据进行统筹，帮助后续相关治理。
附图说明
图1是本发明提供的基于网络空间行为数据的多平台虚拟用户数据对齐方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：本发明提供了一种基于网络空间行为数据的多平台虚拟用户数据对齐方法，如图1所示，包括：
S1、获取多平台虚拟用户的网络空间行为数据；
S2、利用所述多平台虚拟用户的网络空间行为数据获取对应综合置信度；
S3、根据所述多平台虚拟用户的网络空间行为数据对应综合置信度建立多平台虚拟用户统一数据集；
S4、利用所述多平台虚拟用户统一数据集得到多平台虚拟用户数据对齐结果。
S1具体包括：
S1-1、获取虚拟用户的多平台网络空间行为数据；
S1-2、利用所述多平台网络空间行为数据获取多平台网络空间行为数据的数据种类；
S1-3、根据多平台对应数量对多平台网络空间行为数据进行划分得到多平台网络空间行为数据集；
S1-4、利用所述多平台网络空间行为数据集根据数据种类建立数据对齐初始模板；
S1-5、利用所述数据对齐初始模板与多平台网络空间行为数据集作为多平台虚拟用户的网络空间行为数据。
本实施例中，基于网络空间行为数据的多平台虚拟用户数据对齐方法，对于网络空间行为数据的获取，在实际操作中，通常在按要求采集多平台数据后进行清洗和预处理，去除噪声和异常值，统一数据格式和单位，当存在图片类数据形式时，基于图片数据进行要素提取步骤如下：
（1）文字要素识别：利用OCR识别技术，对图片数据进行文字提取，将转换后的文字进行实体抽取校验，对重点数据进行提取，如手机、邮箱、社交帐号等，并进行结构化方式存储。
（2）场景要素识别：通过对图片场景识别，对场景类型（人、地、物）、特定场景进行分析识别，构建图片对比库。
S1-4具体包括：
S1-4-1、获取所述多平台网络空间行为数据集中对应数据种类最多的平台网络空间行为数据作为一级模板数据；
S1-4-2、利用所述一级模板数据对应数据种类与数据种类数量作为二级模板数据；
S1-4-3、利用所述一级模板数据与二级模板数据作为数据对齐初始模板。
S2具体包括：
S2-1、获取所述多平台虚拟用户的网络空间行为数据对应数据对齐初始模板置信度；
S2-2、根据所述数据对齐初始模板置信度获取多平台虚拟用户的网络空间行为数据对应多平台网络空间行为数据集置信度；
S2-3、利用所述多平台网络空间行为数据集置信度得到多平台虚拟用户的网络空间行为数据对应综合置信度。
S2-1具体包括：
S2-1-1、利用所述数据对齐初始模板对应一级模板数据与二级模板数据作为数据支持度基准；
S2-1-2、根据所述一级模板数据与二级模板数据作为数据置信度基准；
S2-1-3、利用所述数据支持度基准与数据置信度基准作为数据对齐初始模板置信度。
S2-2具体包括：
S2-2-1、利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据支持度基准分别进行支持度计算得到多平台网络空间行为数据支持度集；
S2-2-2、利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据置信度基准分别进行置信度计算得到多平台网络空间行为数据置信度集；
S2-2-3、利用所述多平台网络空间行为数据置信度集作为多平台网络空间行为数据集置信度。
S2-3具体包括：
S2-3-1、利用所述多平台网络空间行为数据集置信度根据其对应数量计算平均置信度；
S2-3-2、利用所述平均置信度与多平台网络空间行为数据集置信度计算置信度标准差；
S2-3-3、利用所述平均置信度与置信度标准差作为综合置信度。
本实施例中，基于网络空间行为数据的多平台虚拟用户数据对齐方法，网络空间行为数据数值化处理基于跨模态数据加权分析，通过同一平台下的同一用户数据进行特征加权处理，对数据进行数学化处理，从而得出数据代数化数值。
本实施例中，基于网络空间行为数据的多平台虚拟用户数据对齐方法，平均置信度与置信度标准差的计算式如下：
其中，μ为平均置信度，σ为置信度标准差，n为数据数量，xi为数据数值。
S3具体包括：
S3-1、利用所述二级模板数据建立统一数据集目录；
S3-2、利用所述多平台虚拟用户的网络空间行为数据根据统一数据集目录进行对应填入得到多平台虚拟用户独立数据集；
S3-3、利用所述多平台虚拟用户的网络空间行为数据对应一级模板数据与二级模板数据作为数据集统一标签；
S3-4、利用所述多平台虚拟用户独立数据集、数据集统一标签与综合置信度作为多平台虚拟用户统一数据集。
S4具体包括：
S4-1、利用所述多平台虚拟用户统一数据集得到置信度关联性复核；
S4-2、判断所述置信度关联性复核是否通过，若是，则输出多平台虚拟用户统一数据集作为多平台虚拟用户数据对齐结果，否则，去除未通过置信度关联性复核的多平台虚拟用户统一数据集对应子集作为多平台虚拟用户数据对齐结果；
其中，所述置信度关联性复核为通过或未通过。
S4-1具体包括：
S4-1-1、判断所述多平台虚拟用户统一数据集对应一级模板数据的支持度与置信度的趋势是否一致，若是，则执行S4-1-2，否则，一级模板数据存在相斥数据，置信度关联性复核为未通过；
S4-1-2、判断所述多平台虚拟用户统一数据集对应一级模板数据的置信度与对应提升度的趋势是否一致，若是，则置信度关联性复核为通过，否则，一级模板数据的置信度关联度波动，置信度关联性复核为未通过；
其中，所述趋势为支持度与置信度、置信度与提升度的数据变化方向均一致。
本实施例中，基于网络空间行为数据的多平台虚拟用户数据对齐方法，S4-1的基础原理包括：
S4-1-1为在没有任何条件下，假设A类型条目下数据的出现的比例是0.75，而出现A类型条目下数据，且同时出现B类型条目下数据的比例是0.67，也就是说设置了A类型条目下数据出现这个条件，B类型条目下数据出现的比例反而降低了。这说明A类型条目下数据和B类型条目下数据是排斥的；
S4-1-2为A类型条目下数据与B类型条目下数据出现的频率都很高，所以A、B之间的关联可能只是巧合，因此需要引入提升度对其进行确认，进而保证A类型条目下数据与B类型条目下数据的关联性稳定；
利用0.67/0.75的比值作为提升度，即P(B类型条目下数据|A类型条目下数据)/P(B类型条目下数据)，称之为A类型条目下数据条件对B类型条目下数据事务的提升度，即有A类型条目下数据作为前提，对B类型条目下数据出现的概率有什么样的影响，如果提升度=1说明A类型条目下数据和B类型条目下数据没有任何关联，如果提升度<1，说明A类型条目下数据和B类型条目下数据是排斥的，如果提升度>1，我们认为A类型条目下数据和B类型条目下数据是有关联的，但是在具体的应用中可认为提升度>3才算作值得认可的关联。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (2)
1.基于网络空间行为数据的多平台虚拟用户数据对齐方法，其特征在于，包括：
S1、获取多平台虚拟用户的网络空间行为数据；
S1-1、获取虚拟用户的多平台网络空间行为数据；
S1-2、利用所述多平台网络空间行为数据获取多平台网络空间行为数据的数据种类；
S1-3、根据多平台对应数量对多平台网络空间行为数据进行划分得到多平台网络空间行为数据集；
S1-4、利用所述多平台网络空间行为数据集根据数据种类建立数据对齐初始模板；
S1-4-1、获取所述多平台网络空间行为数据集中对应数据种类最多的平台网络空间行为数据作为一级模板数据；
S1-4-2、利用所述一级模板数据对应数据种类与数据种类数量作为二级模板数据；
S1-4-3、利用所述一级模板数据与二级模板数据作为数据对齐初始模板；
S1-5、利用所述数据对齐初始模板与多平台网络空间行为数据集作为多平台虚拟用户的网络空间行为数据；
S2、利用所述多平台虚拟用户的网络空间行为数据获取对应综合置信度；
S2-1、获取所述多平台虚拟用户的网络空间行为数据对应数据对齐初始模板置信度；
S2-2、根据所述数据对齐初始模板置信度获取多平台虚拟用户的网络空间行为数据对应多平台网络空间行为数据集置信度；
S2-2-1、利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据支持度基准分别进行支持度计算得到多平台网络空间行为数据支持度集；
S2-2-2、利用所述多平台网络空间行为数据集中各子集根据数据对齐初始模板置信度的数据置信度基准分别进行置信度计算得到多平台网络空间行为数据置信度集；
S2-2-3、利用所述多平台网络空间行为数据置信度集作为多平台网络空间行为数据集置信度；
S2-3、利用所述多平台网络空间行为数据集置信度得到多平台虚拟用户的网络空间行为数据对应综合置信度；
S2-3-1、利用所述多平台网络空间行为数据集置信度根据其对应数量计算平均置信度；
S2-3-2、利用所述平均置信度与多平台网络空间行为数据集置信度计算置信度标准差；
S2-3-3、利用所述平均置信度与置信度标准差作为综合置信度；
S3、根据所述多平台虚拟用户的网络空间行为数据对应综合置信度建立多平台虚拟用户统一数据集；
S3-1、利用所述二级模板数据建立统一数据集目录；
S3-2、利用所述多平台虚拟用户的网络空间行为数据根据统一数据集目录进行对应填入得到多平台虚拟用户独立数据集；
S3-3、利用所述多平台虚拟用户的网络空间行为数据对应一级模板数据与二级模板数据作为数据集统一标签；
S3-4、利用所述多平台虚拟用户独立数据集、数据集统一标签与综合置信度作为多平台虚拟用户统一数据集；
S4、利用所述多平台虚拟用户统一数据集得到多平台虚拟用户数据对齐结果；
S4-1、利用所述多平台虚拟用户统一数据集得到置信度关联性复核；
S4-2、判断所述置信度关联性复核是否通过，若是，则输出多平台虚拟用户统一数据集作为多平台虚拟用户数据对齐结果，否则，去除未通过置信度关联性复核的多平台虚拟用户统一数据集对应子集作为多平台虚拟用户数据对齐结果；
其中，所述置信度关联性复核为通过或未通过。
2.如权利要求1所述的基于网络空间行为数据的多平台虚拟用户数据对齐方法，其特征在于，利用所述多平台虚拟用户统一数据集得到置信度关联性复核包括：
S4-1-1、判断所述多平台虚拟用户统一数据集对应一级模板数据的支持度与置信度的趋势是否一致，若是，则执行S4-1-2，否则，一级模板数据存在相斥数据，置信度关联性复核为未通过；
S4-1-2、判断所述多平台虚拟用户统一数据集对应一级模板数据的置信度与对应提升度的趋势是否一致，若是，则置信度关联性复核为通过，否则，一级模板数据的置信度关联度波动，置信度关联性复核为未通过；
其中，所述趋势为支持度与置信度、置信度与提升度的数据变化方向均一致。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311852729.7A CN117494147B (zh) | 2023-12-29 | 2023-12-29 | 基于网络空间行为数据的多平台虚拟用户数据对齐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311852729.7A CN117494147B (zh) | 2023-12-29 | 2023-12-29 | 基于网络空间行为数据的多平台虚拟用户数据对齐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117494147A CN117494147A (zh) | 2024-02-02 |
| CN117494147B true CN117494147B (zh) | 2024-03-22 |
Family
ID=89680449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311852729.7A Active CN117494147B (zh) | 2023-12-29 | 2023-12-29 | 基于网络空间行为数据的多平台虚拟用户数据对齐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117494147B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1125288A (ja) * | 1997-07-09 | 1999-01-29 | Casio Comput Co Ltd | サイバースペースシステムおよびサイバースペース構築方法 |
| US8479276B1 (en) * | 2010-12-29 | 2013-07-02 | Emc Corporation | Malware detection using risk analysis based on file system and network activity |
| CN109635201A (zh) * | 2018-12-18 | 2019-04-16 | 苏州大学 | 异质社交网络跨平台关联用户账户挖掘方法 |
| CN110298592A (zh) * | 2019-07-02 | 2019-10-01 | 北京星和汇科技有限公司 | 一种虚拟身价评测方法及系统 |
| CN111209511A (zh) * | 2019-12-31 | 2020-05-29 | 航天信息股份有限公司 | 一种基于数据关联关系进行推送信息的方法及系统 |
| CN113033438A (zh) * | 2021-03-31 | 2021-06-25 | 四川大学 | 一种面向模态非完全对齐的数据特征学习方法 |
| CN113220837A (zh) * | 2021-05-12 | 2021-08-06 | 深圳市网联安瑞网络科技有限公司 | 实体活动参与人的网络空间行为监测与分析方法及系统 |
| CN114417211A (zh) * | 2021-11-09 | 2022-04-29 | 国家计算机网络与信息安全管理中心 | 面向社交平台的数据采集方法与系统 |
| WO2022240906A1 (en) * | 2021-05-11 | 2022-11-17 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks |
| CN115834368A (zh) * | 2021-11-29 | 2023-03-21 | 中国南方电网有限责任公司超高压输电公司 | 一种识别网络空间资产信息的系统 |
| CN116822732A (zh) * | 2023-06-25 | 2023-09-29 | 远光软件股份有限公司 | 基于自监督特征增强及堆叠类集成学习的价格预测方法、计算机装置及计算机可读存储介质 |
| CN116975366A (zh) * | 2022-04-22 | 2023-10-31 | 顺丰科技有限公司 | 数据对齐方法、装置、电子设备和可读存储介质 |
| CN117194668A (zh) * | 2022-05-30 | 2023-12-08 | 中国移动通信集团浙江有限公司 | 知识图谱构建方法、装置、设备及存储介质 |
| CN117194995A (zh) * | 2023-08-14 | 2023-12-08 | 中车长春轨道客车股份有限公司 | 基于数据挖掘的轨道车辆rams数据关联性分析方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080294996A1 (en) * | 2007-01-31 | 2008-11-27 | Herbert Dennis Hunt | Customized retailer portal within an analytic platform |
| US9407942B2 (en) * | 2008-10-03 | 2016-08-02 | Finitiv Corporation | System and method for indexing and annotation of video content |
-
2023
- 2023-12-29 CN CN202311852729.7A patent/CN117494147B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1125288A (ja) * | 1997-07-09 | 1999-01-29 | Casio Comput Co Ltd | サイバースペースシステムおよびサイバースペース構築方法 |
| US8479276B1 (en) * | 2010-12-29 | 2013-07-02 | Emc Corporation | Malware detection using risk analysis based on file system and network activity |
| CN109635201A (zh) * | 2018-12-18 | 2019-04-16 | 苏州大学 | 异质社交网络跨平台关联用户账户挖掘方法 |
| CN110298592A (zh) * | 2019-07-02 | 2019-10-01 | 北京星和汇科技有限公司 | 一种虚拟身价评测方法及系统 |
| CN111209511A (zh) * | 2019-12-31 | 2020-05-29 | 航天信息股份有限公司 | 一种基于数据关联关系进行推送信息的方法及系统 |
| CN113033438A (zh) * | 2021-03-31 | 2021-06-25 | 四川大学 | 一种面向模态非完全对齐的数据特征学习方法 |
| WO2022240906A1 (en) * | 2021-05-11 | 2022-11-17 | Strong Force Vcn Portfolio 2019, Llc | Systems, methods, kits, and apparatuses for edge-distributed storage and querying in value chain networks |
| CN113220837A (zh) * | 2021-05-12 | 2021-08-06 | 深圳市网联安瑞网络科技有限公司 | 实体活动参与人的网络空间行为监测与分析方法及系统 |
| CN114417211A (zh) * | 2021-11-09 | 2022-04-29 | 国家计算机网络与信息安全管理中心 | 面向社交平台的数据采集方法与系统 |
| CN115834368A (zh) * | 2021-11-29 | 2023-03-21 | 中国南方电网有限责任公司超高压输电公司 | 一种识别网络空间资产信息的系统 |
| CN116975366A (zh) * | 2022-04-22 | 2023-10-31 | 顺丰科技有限公司 | 数据对齐方法、装置、电子设备和可读存储介质 |
| CN117194668A (zh) * | 2022-05-30 | 2023-12-08 | 中国移动通信集团浙江有限公司 | 知识图谱构建方法、装置、设备及存储介质 |
| CN116822732A (zh) * | 2023-06-25 | 2023-09-29 | 远光软件股份有限公司 | 基于自监督特征增强及堆叠类集成学习的价格预测方法、计算机装置及计算机可读存储介质 |
| CN117194995A (zh) * | 2023-08-14 | 2023-12-08 | 中车长春轨道客车股份有限公司 | 基于数据挖掘的轨道车辆rams数据关联性分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117494147A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108664538B (zh) | 一种输变电设备疑似家族性缺陷的自动辨识方法及系统 | |
| CN112541338A (zh) | 相似文本匹配方法、装置、电子设备及计算机存储介质 | |
| CN112052138A (zh) | 业务数据质量检测方法、装置、计算机设备及存储介质 | |
| CN114461777B (zh) | 智能问答方法、装置、设备及存储介质 | |
| CN112364003A (zh) | 一种用于不同行业的大数据治理方法、装置、设备和介质 | |
| CN112667775A (zh) | 基于关键词提示的检索方法、装置、电子设备及存储介质 | |
| CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
| CN112507663A (zh) | 基于文本的判断题生成方法、装置、电子设备及存储介质 | |
| CN112468658A (zh) | 语音质量检测方法、装置、计算机设备及存储介质 | |
| CN113377372A (zh) | 业务规则的解析方法、装置、计算机设备及存储介质 | |
| CN112148602A (zh) | 一种基于历史优化特征智能学习的源代码安全分析方法 | |
| CN113869789A (zh) | 一种风险监控的方法、装置、计算机设备及存储介质 | |
| CN114138243A (zh) | 基于开发平台的功能调用方法、装置、设备及存储介质 | |
| CN113628043A (zh) | 基于数据分类的投诉有效性判断方法、装置、设备及介质 | |
| CN117494147B (zh) | 基于网络空间行为数据的多平台虚拟用户数据对齐方法 | |
| CN107688594B (zh) | 基于社交信息的风险事件的识别系统及方法 | |
| CN113344023A (zh) | 一种代码推荐方法、装置及系统 | |
| CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
| CN116468025A (zh) | 电子病历结构化方法、装置、电子设备及存储介质 | |
| CN114417883B (zh) | 一种数据处理方法、装置及设备 | |
| CN113706207B (zh) | 基于语义解析的订单成交率分析方法、装置、设备及介质 | |
| CN115495587A (zh) | 一种基于知识图谱的告警分析方法及装置 | |
| CN115408672A (zh) | 黑名单的深度预警方法、装置、设备及存储介质 | |
| CN115906797A (zh) | 文本实体对齐方法、装置、设备及介质 | |
| CN113987206A (zh) | 异常用户的识别方法、装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |