本發(fā)明屬于惡意域名檢測技術(shù)領(lǐng)域，為解決現(xiàn)有技術(shù)對新的惡意域名識別率較低的技術(shù)問題，本發(fā)明提供一種基于多類特征的惡意域名識別方法，從包括惡意域名與正常域名的域名數(shù)據(jù)集中提取多類特征，并將同類特征組合成相應(yīng)的訓(xùn)練集；多類特征包括IP通信流特...

本發(fā)明涉及網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，為提高惡意域名檢測結(jié)果的準確性，提供了一種基于動態(tài)超圖學(xué)習(xí)的惡意域名檢測方法，采集包括惡意域名與正常域名的域名樣本集；為域名樣本集中每個域名樣本提取特征向量；采用決策樹對域名樣本進行分類，相同類別的域名樣本具...

本申請公開了一種基于實體關(guān)系挖掘的釣魚攻擊域名識別方法、系統(tǒng)和裝置，該方法通過獲取樣本數(shù)據(jù)集，通過所述樣本數(shù)據(jù)集中每個樣本的各相關(guān)實體的實體特征構(gòu)建所述樣本數(shù)據(jù)集的實體關(guān)系異構(gòu)圖；將所述實體關(guān)系異構(gòu)圖中的每個節(jié)點轉(zhuǎn)化為節(jié)點向量，根據(jù)所述...

本發(fā)明屬于異常檢測技術(shù)領(lǐng)域，為解決現(xiàn)有技術(shù)依賴人工閾值來識別異常的技術(shù)問題，本發(fā)明提供一種自適應(yīng)異常檢測模型構(gòu)建方法與惡意域名檢測方法，采用正常樣本集訓(xùn)練自編碼器；構(gòu)建混合樣本集，混合樣本集包括正常樣本與異常樣本，并且每個樣本帶有表示正...

本申請公開了一種量子超圖態(tài)檢測方法和裝置，通過接收服務(wù)器制備發(fā)送的若干份資源態(tài)，基于預(yù)設(shè)檢測規(guī)則對資源態(tài)進行m輪的穩(wěn)定子檢測，并記載每輪檢測通過的資源態(tài)數(shù)目，其中，服務(wù)器在發(fā)送資源態(tài)時對資源態(tài)的量子超圖態(tài)對應(yīng)的超圖進行了染色，m為對超圖...

本申請?zhí)峁┝艘环N材料智慧專家系統(tǒng)，包括：多源數(shù)據(jù)管理模塊，對多種類型的材料數(shù)據(jù)庫中的數(shù)據(jù)進行融合，構(gòu)建結(jié)構(gòu)化數(shù)據(jù)庫；處理模塊，獲取以自然語言方式輸入的用戶提問，用戶提問包括材料需求和/或計算需求；根據(jù)材料需求在結(jié)構(gòu)化數(shù)據(jù)庫中檢索材料屬性...

本發(fā)明公開一種以語義關(guān)系圖譜為驅(qū)動的跨端點RDF數(shù)據(jù)語義檢索方法及系統(tǒng)，屬于語義關(guān)聯(lián)技術(shù)領(lǐng)域。所述方法包括：在公開數(shù)據(jù)集上構(gòu)建RDF跨端點語義關(guān)系圖譜；結(jié)合RDF跨端點語義關(guān)系圖譜，將自然語言問句轉(zhuǎn)化為語義查詢圖；基于語義查詢圖進行SP...

一種碳循環(huán)同化預(yù)測的自動化工作流裝置，其特征在于，裝置部署于超級計算機集群，超級計算機集群包括多臺超級計算機，每臺超級計算機均安裝有至少一個虛擬機，虛擬機中安裝有碳循環(huán)同化預(yù)測的自動化工作流裝置，裝置包括：數(shù)據(jù)模塊，用于周期性自動獲取數(shù)...

本申請公開了一種稀疏矩陣存儲方法及向量乘方法。該方法包括：根據(jù)預(yù)先確定的長度與寬度，從稀疏矩陣中獲得多個矩陣塊；根據(jù)每個矩陣塊中非零元素的數(shù)量，從多個矩陣塊中獲得多個儲存類；對多個儲存類中具有三個以下非零元素的第i個儲存類，根據(jù)非零元素...

本發(fā)明公開了一種基于強化學(xué)習(xí)的表格數(shù)據(jù)增強方法及裝置，涉及表格數(shù)據(jù)處理領(lǐng)域，通過收集表格數(shù)據(jù)，對表格數(shù)據(jù)特征進行聚類，計算每個特征簇和所有特征簇并集的狀態(tài)信號，輸入級聯(lián)的演員?批評家智能體中驅(qū)動智能體生成新的特征，計算智能體的獎勵信號；...

本發(fā)明公開了基于生物文獻生成基因描述信息的方法、系統(tǒng)及介質(zhì)，涉及生命科學(xué)領(lǐng)域，本發(fā)明通過獲取與目標基因關(guān)聯(lián)的生物文獻，對獲取的生物文獻進行句子拆分和過濾，生成初級關(guān)鍵句集合；對生成的初級關(guān)鍵句集合中的每個句子均進行評分，按照評分高低進行...

本發(fā)明屬于生物信息技術(shù)領(lǐng)域，涉及一種基于多模態(tài)知識圖譜的藥物?藥物相互作用預(yù)測方法和系統(tǒng)。該方法包括：構(gòu)建藥物多模態(tài)知識圖譜數(shù)據(jù)集；提取藥物相互作用的結(jié)構(gòu)特征和藥物的模態(tài)特征；訓(xùn)練藥物?藥物相互作用預(yù)測模型；將待預(yù)測的藥物對的多模態(tài)信息...

本發(fā)明涉及深度學(xué)習(xí)與高性能計算的交叉領(lǐng)域，特別是涉及一種實時三維科學(xué)計算體素數(shù)據(jù)的特征提取方法和裝置。該方法包括：獲取體素數(shù)據(jù)，體素數(shù)據(jù)包含目標三維物體的空間數(shù)據(jù)；將體素數(shù)據(jù)輸入第一深度神經(jīng)網(wǎng)絡(luò)，對目標三維物體進行定位，獲得目標三維物體...

本發(fā)明公開一種基于大模型的分布式RDF數(shù)據(jù)語義檢索方法及系統(tǒng)，屬于語義關(guān)聯(lián)技術(shù)領(lǐng)域。所述方法包括：基于大語言模型，從用戶問句中提取實體關(guān)鍵詞組；在RDF數(shù)據(jù)資源的基礎(chǔ)上構(gòu)建一向量數(shù)據(jù)庫，并通過用戶問句與該向量數(shù)據(jù)庫中向量數(shù)據(jù)的相似度匹配...

本發(fā)明涉及互聯(lián)網(wǎng)數(shù)據(jù)分析技術(shù)領(lǐng)域，為節(jié)省計算開銷，提高歸類效率，本發(fā)明提供一種崩潰事件的自動化歸類方法，獲取應(yīng)用端發(fā)生崩潰事件的崩潰日志；從崩潰日志中提取關(guān)鍵詞向量；采用局部敏感哈希算法計算關(guān)鍵詞向量的哈希值，將相近哈希值所對應(yīng)的崩潰事...

本發(fā)明涉及虛擬現(xiàn)實交互引導(dǎo)領(lǐng)域，涉及一種用戶引導(dǎo)方法、裝置、設(shè)備及可讀存儲介質(zhì)，所述方法包括：獲取第一信息、第二信息和目標物的三維坐標信息，第一信息包括用戶頭部佩戴VR頭顯相機的VP矩陣，第二信息包括目標物的頂點矩陣；根據(jù)第一信息和第二...

本發(fā)明公開一種基于大模型的數(shù)據(jù)資源元數(shù)據(jù)語義檢索方法及系統(tǒng)，屬于語義關(guān)聯(lián)技術(shù)領(lǐng)域。所述方法包括：向量化數(shù)據(jù)資源的元數(shù)據(jù)，以構(gòu)建向量數(shù)據(jù)庫；抽取用戶問句中的查詢條件；對查詢條件中的搜索詞進行語義擴展，得到關(guān)鍵詞元素；根據(jù)用戶問句和關(guān)鍵詞元...

本發(fā)明提供了一種基于混合現(xiàn)實的數(shù)據(jù)互動展示方法及系統(tǒng)，涉及混合現(xiàn)實技術(shù)領(lǐng)域，包括：獲取第一信息、第二信息、第三信息和第四信息；根據(jù)第一信息進行三維圖像構(gòu)建處理，通過擴展待展示圖像的維度得到第五信息；根據(jù)第二信息進行圖像識別處理，通過識別...

本發(fā)明公開了一種針對單細胞RNA測序數(shù)據(jù)的關(guān)鍵基因定位方法及裝置，涉及機器學(xué)習(xí)和生物基因領(lǐng)域，本發(fā)明為每個基因特征分配一個智能體，將選擇關(guān)鍵基因的先驗知識存入智能體的內(nèi)存中；令智能體根據(jù)基于先驗知識進行環(huán)境知識探索，計算對應(yīng)的當前狀態(tài)、...

本發(fā)明公開了一種基于網(wǎng)絡(luò)數(shù)據(jù)分布特征的多維數(shù)據(jù)包分類方法及系統(tǒng)，其中，方法包括：在構(gòu)建包分類決策樹時，對于非葉子節(jié)點，對其進行的操作分為兩個步驟：選擇切分/劃分維度，以及選擇切分粒度或劃分位置；對上述操作產(chǎn)生的子節(jié)點遞歸執(zhí)行上述兩個步驟...