摘要：随着社交网络技术的快速发展,图数据的隐私保护已经成为大数据研究领域的热点问题之一。差分隐私的合成图生成技术在对图数据的隐私泄露风险进行严格地量化表示的同时,能够有效地保证图数据的可用性。针对现有算法隐私保障性较弱、查询函数敏感度较大等问题,利用图投影方法降低敏感度,提出一种新的点差分隐私下基于度序列的合成图生成算法。首先利用图投影方法将原有图数据进行压缩,基于dK模型捕获压缩图结构对应的2K序列;然后将2K序列聚类成多个连续且互不相交的子序列,再分别进行加噪;最后根据整合后的新2K序列生成满足差分隐私的社交网络发布图。实验比较表明,所提方案在保证较强隐私保护性的同时,提高了发布数据的准确性和可用性。

摘要：目前,基于卷积神经网络和循环神经网络的方面级情感分析研究工作较少同时考虑到句子的句法结构和词语的语法距离,且卷积神经网络和循环神经网络无法有效地处理图结构的数据。针对上述问题,提出了一种基于距离与图卷积网络的方面级情感分类模型。首先,为该模型设计了一个具有残差连接的双层双向长短期记忆网络,用于提取句子的上下文信息;然后,根据句法依赖树得到词语的语法距离权重,并根据词语之间的句法关系构建邻接矩阵;最后,采用图卷积网络结合句子的上下文信息、语法距离权重和邻接矩阵提取方面的情感特征。实验结果表明,模型是有效的且可获得更好的性能。

摘要：为构建东盟十国知识图谱,需要对相关文本进行命名实体识别工作。设计一种基于双向GRU-CRF的神经网络模型,对中国驻东盟十国大使馆中文新闻数据进行命名实体识别。以预训练的领域词向量为输入,利用双向GRU网络从向量化的文本中提取语义特征;再通过CRF层预测并输出最优标签序列。为了进一步改善结果,在双向GRU和CRF层之间添加两层隐藏层。在数据预处理方面,提出一种数据集划分算法,对文本进行更加科学合理的划分。在东盟十国数据集上,将该模型与几种混合模型进行对比,结果显示所提模型在人名、地名、组织机构名识别任务中拥有更好的识别性能。

摘要：ANU,ANU-II和LiCi算法是近几年相继被提出的新轻量级分组密码算法.由于采用比特级的设计理念,相比于传统字节级更具有结构轻巧、扩散灵活和实现效率高等优点,因而其安全性备受关注.基于以上三个算法的结构特性,构建了新的比特可分性MILP模型,并给出了ANU,ANU-II和LiCi算法的积分区分器自动化搜索方法.通常而言,区分器轮数的高低能够较好的衡量密码算法的安全性.研究结果表明:ANU,ANU-II和LiCi算法分别存在9轮、8轮和12轮的积分区分器,所需的数据复杂度为263,260和261个选择明文,这是目前已知分析方法中轮数最高和选择明文量最优的区分器结果.另外,提出了一种新的LiCi算法的等价结构.