-
公开(公告)号:CN117332043A
公开(公告)日:2024-01-02
申请号:CN202311319366.0
申请日:2023-10-12
Applicant: 中国科学院计算技术研究所
IPC: G06F16/33 , G06F16/35 , G06F18/24 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0499 , G06N3/096 , G06F16/9536 , G06Q50/00
Abstract: 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,同时利用历史新闻和评论训练教师网络,训练好的教师网络参数被冻结不再参与接下来的训练过程;仅利用历史新闻训练学生网络并利用步骤1中训练好的教师网络加以指导,最终使用训练好的学生网络检测新发布的虚假新闻。兼顾了虚假新闻检测的即时性与准确性。
-
公开(公告)号:CN113239685B
公开(公告)日:2023-10-31
申请号:CN202110041193.5
申请日:2021-01-13
Applicant: 中国科学院计算技术研究所
IPC: G06F40/30 , G06F40/284 , G06F40/242 , G06F40/216 , G06F16/35 , G06F18/25 , G06F18/241
Abstract: 本发明提出一种基于双重情感的舆情检测方法及系统,基于提出的双重情感特征,能够通过简单的多层感知机模块融合到领域内现有的检测模型中,具有很强的便捷性。在融合了双重情感特征之后,模型的检测准确率、召回率、F1值等指标都能够大幅提高,有效提升舆情检测的性能。
-
公开(公告)号:CN116894184A
公开(公告)日:2023-10-17
申请号:CN202310728444.6
申请日:2023-06-19
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/23 , G06F18/2415 , G06F18/27 , G06F16/35
Abstract: 本发明提出一种基于时序趋势预测的虚假新闻检测方法,包括:提取新闻样本的新闻表征;将该新闻表征进行聚类以获取至少一个主题簇;以每个主题簇的新闻样本按时序分布,建模为对应新闻主题的数据模型,基于该数据模型,预测该新闻主题的时序分布趋势;基于该时序分布趋势将各主题簇的新闻样本进行重加权后合并为训练集;以该训练集对虚假新闻检测器进行训练;通过该虚假新闻检测器对目标新闻进行虚假新闻检测。本发明还提出一种基于时序趋势预测的虚假新闻检测系统,以及一种用于实现基于时序趋势预测的虚假新闻检测的数据处理装置。
-
公开(公告)号:CN113343810B
公开(公告)日:2023-03-21
申请号:CN202110590381.3
申请日:2021-05-28
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院计算技术研究所
IPC: G06V20/40 , G06V40/10 , G06V10/774
Abstract: 本发明提出一种基于时序多样性与相关性的行人重识别模型训练方法,包括以下步骤:获取训练样本数据,所述训练样本数据包括多个包含行人的视频序列;将所述训练样本数据输入至初始模型中采样各所述包含行人的视频序列的多帧视频,并且提取所述多帧视频的帧级别特征,聚合所述帧级别特征得到视频级别特征;基于所述视频级别特征计算视频级别损失;基于所述视频级别损失对所述初始模型的模型参数进行优化,得到行人重识别模型。
-
公开(公告)号:CN113254864A
公开(公告)日:2021-08-13
申请号:CN202110478862.5
申请日:2021-04-29
Applicant: 中国科学院计算技术研究所数字经济产业研究院 , 杭州中科睿鉴科技有限公司
Abstract: 本发明涉及一种基于节点特征和回复路径的动态子图生成方法、争议性检测方法,S1、基于“帖子‑评论”图G构建路径矩阵P和路径长度矩阵S,其中路径矩阵P记录图G中每个节点到终端节点的所有路径,终端节点包括图G中的帖子节点和没有回复的评论节点;路径长度矩阵S记录路径矩阵中每条路径的长度;S2、基于路径矩阵P和路径长度矩阵S计算得到路径拉普拉斯矩阵L;S3、基于路径拉普拉斯矩阵L以及图G中节点本身的内容特征,计算获得当前节点感知路径信息的表达;S4、基于当前节点与相应路径上所有节点的相似性,保留每条路径上最重要的部分节点,所有路径上的重要节点构成当前节点对应的子图,该子图中的节点为与当前节点相关的局部讨论。
-
公开(公告)号:CN112148875A
公开(公告)日:2020-12-29
申请号:CN202010768194.5
申请日:2020-08-03
Applicant: 杭州中科睿鉴科技有限公司 , 中国科学院计算技术研究所数字经济产业研究院
Abstract: 本发明涉及一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的目的是提供一种基于图卷积神经网络整合内容和结构信息的争议性检测方法。本发明的技术方案是一种基于图卷积神经网络整合内容和结构信息的争议性检测方法,其特征在于:建立“话题‑帖子‑评论”图,图中评论连接到该评论回复的评论/帖子上,帖子连接到该帖子属于的话题上;根据“话题‑帖子‑评论”图中话题节点、帖子节点和评论节点的文本获取相应节点的初始表达向量;使用图卷积神经网络学习“话题‑帖子‑评论”图中节点的表达;根据帖子节点和相应评论节点的平均表达进行争议性分类。本发明适用于社交媒体平台争议性检测领域。
-
公开(公告)号:CN111832406A
公开(公告)日:2020-10-27
申请号:CN202010508103.4
申请日:2020-06-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出的基于平衡分组Softmax的长尾目标检测方法与系统,该方法在网络结构上,改变网络的最后一个全连接层,对拥有不同训练样本数量的类别进行分组,将背景类别单独分为一组,在每组中都加入其它类别;在训练过程中,按照组内普通类别训练样本数量采样一定数量的其它类别样本进行训练,并在每个组内分别用Softmax函数激活并计算交叉熵损失;在测试过程中,在每个组内分别用Softmax函数激活,去掉组内其它类别,仅保留正常类别得分,用背景组的“其它”类别得分为所有正常类别加权,组成最终得分,用于后处理。该发明提升了在大规模长尾目标数据集上的目标检测以及实例分割性能。
-
公开(公告)号:CN110889430A
公开(公告)日:2020-03-17
申请号:CN201911018018.3
申请日:2019-10-24
Applicant: 中国科学院计算技术研究所
IPC: G06K9/62
Abstract: 本发明涉及一种基于多域视觉特征的新闻图像检测方法,包括:提取新闻图像在各频域上的频域向量,获取该频域向量在对应频域上的频域特征,并将该频域特征拼接为该新闻图像的物理视觉特征;获取该新闻图像在各语义上的语义特征,将该语义特征的正向GRU特征序列和反向GRU特征序列,拼接为该新闻图像的语义视觉特征;将该物理视觉特征和该语义视觉特征进行融合及逻辑回归分类,以获取该新闻图像为虚假新闻图像类别的预测概率。本发明基于对虚假新闻图像特点的深入分析,设计了一个深度学习模型,能够充分建模并融合图像在频率域以及像素域的特点,从而实现利用视觉内容对虚假新闻的自动检测。
-
公开(公告)号:CN110210016A
公开(公告)日:2019-09-06
申请号:CN201910341056.6
申请日:2019-04-25
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于风格引导的双线性神经网络虚假新闻检测方法及系统,包括:获取待网络虚假新闻检测的新闻文本,通过神经网络量化该新闻文本的语言风格特征,得到该新闻文本的风格向量,将该新闻文本输入文本特征提取器,得到该新闻文本的文本向量;将该风格向量和该文本向量输入双线性神经网络,该双线性神经网络包括双线性函数,用于建模该风格向量和该文本向量之间的相关性,以得到该新闻文本的的风格-文本特征矩阵,使用该风格-文本特征矩阵中最大分数向量组成引导向量,并将该引导向量输入至全连接层,判定该新闻文本的虚假新闻标签。本发明依据虚假新闻共性的语言风格来引导深度学习模型的学习过程,提升了模型的识别准确度与泛化性能。
-
公开(公告)号:CN110019812A
公开(公告)日:2019-07-16
申请号:CN201810164771.2
申请日:2018-02-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种用户自生产内容检测方法和系统,包括:获取社交媒体中用户自生产内容的文本内容、图像内容和社交属性,并从文本内容中抽取词向量特征,从社交属性中抽取社交属性特征以及从图像内容中抽取图像特征;通过递归神经网络融合词向量特征和社交属性特征,得到文本、社交融合特征;根据递归神经网络得到注意力向量,并通过注意力机制将图像特征处理为注意力融合特征,将注意力融合特征与文本、社交融合特征相融合,生成多模态融合特征;利用多模态融合特征训练分类器,以检测社交媒体中指定的用户自生产内容。本发明通过深度神经网络,融合内容检测涉及的多种模态内容,能够全面地进行用户自生产内容检测,得到更加准确的检测结果。
-
-
-
-
-
-
-
-
-