基于Bert神经网络的信息智能检测研究

为降低网络用户因个人隐私信息误检导致的泄露风险,研究利用条件随机场算法和双向编码器,构建改良双向编码器个人信息智能检测模型。通过模型来提升个人信息检测性能,对构建的Bert个人信息智能检测模型进行实证分析。结果表明其准确率可达0.91,精确度可达97.1%,F1值为0.84,召回率为0.88,其信息检测的准确度及精确度性能较其他对比模型更优。综上结果可知,Bert信息智能检测模型,较传统方法而言,可提高对个人信息的识别准确性和一致性,实现对个人信息的智能检测,具有实际应用价值。

面向不确定图的概率可达查询

图的可达性查询被广泛应用于生物网络、社会网络、本体网络、RDF数据库和XML数据库等.由于对数据操作时引入的噪声和错误使这些图数据具有不确定性,已经有大量的针对不确定RDF和XML数据库的研究.文中使用可能世界语义模型构建不确定图,基于该模型,研究了概率可达查询(PR).处理PR查询是#P完全问题,对此文中首先给出一个基本随机算法,可快速地估算出可达概率,并且该值有很高的精确度.进一步,文中为随机算法引入条件分布(称为"条件随机算法"),采用图的不相交路径集和割集作为条件概率分布,因此改进的随机算法可准确地并且是在多项式时间内处理查询.最后基于真实不确定图数据的大量实验结果验证了文中的设计.