-
公开(公告)号：CN105843957A
公开(公告)日：2016-08-10
申请号：CN201610236172.8
申请日：2016-04-15
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明实施例提供一种微博深度分类方法及系统，该方法包括：将分词处理后的第一微博训练样本数据分别与各第一筛选词库进行词汇匹配，确定所述第一微博训练样本数据在所述各第一筛选词库中出现的词汇频率；将所述第一微博训练样本数据在所述各第一筛选词库中出现的词汇频率进行归一化处理，并将归一化处理后的数据输入学习模型；根据所述学习模型的输出确定微博事件分类模型；根据所述微博事件分类模型对微博文本进行分类。本发明实施例提供的微博深度分类方法及系统，能够对微博文本进行深入的细化分类，提高微博文本的分类正确率。
-
公开(公告)号：CN105824801A
公开(公告)日：2016-08-03
申请号：CN201610150794.9
申请日：2016-03-16
Applicant: 国家计算机网络与信息安全管理中心
CPC classification number: G06F17/2785 , G06F16/288
Abstract: 本发明提供一种基于自动机的实体关系快速抽取方法，包括以下步骤：步骤1，定制规则文件；步骤2，对规则文件中的各个规则进行文法检查，检测规则文件中的各个规则是否满足文法要求，如果满足，则执行步骤3；步骤3，对通过文法检查的所述规则文件中的各个规则进行语义解释；步骤4，将语义解释后的所述规则文件中的各个规则进行解析编译，完成规则向层叠有限状态自动机的转换，得到有限状态自动机；步骤5，使用所述有限状态自动机，对输入的文本数据进行实体属性以及实体关系的抽取，得到最终的实体属性以及实体关系。优点为：能够保证对开放域文本进行快速的实体关系与实体属性抽取。同时，对于特定领域的实体关系可以定制化的进行抽取。
-
公开(公告)号：CN105608107A
公开(公告)日：2016-05-25
申请号：CN201510744625.3
申请日：2015-11-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F17/30905
Abstract: 本发明公开了一种基于舆情大数据的视觉展示方法。获取舆情大数据的数据变化值；确定用于显示所述数据的变化值的时间长度；根据所述数据的变化值和时间长度，确定所述立体模型的变化速度。本发明能够形象地展示数据的变化值和变化速度，从而将数据的变化以视觉变化来展现，增强了使用者和浏览的用户的视觉体验。
-
公开(公告)号：CN114357290B
公开(公告)日：2024-10-15
申请号：CN202111635132.8
申请日：2021-12-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明通过网络技术处理领域的方法，公开了一种多视角社交媒体用户立场检测方法与装置，分为两个模块执行：多视角话题表征模块：根据原始语料构建包含多种节点的异构图，并从三个视角抽取出三种不同的以话题为中心的关系网络，构建用户表征，话题表征，文本表征；多视角用户立场检测模块：根据输入话题检索多视角话题表征模块输出的话题表征，取出该话题对应的话题表征，得到融合话题的文本表征并分别与多视角话题表征模块输出的用户表征，话题表征，文本表征进行拼接预测用户这段评论文本对该话题的立场，并利用与多视角话题表征模块共享的权重进行加权求和得到最终立场。实现了准确分析用户对某话题所持立场的效果。
-
公开(公告)号：CN117131190A
公开(公告)日：2023-11-28
申请号：CN202310856800.2
申请日：2023-07-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/9535 , G06Q50/00 , G06N3/047 , G06F40/289
Abstract: 本发明涉及文本分类的技术领域，特别是涉及一种基于序贯神经网络模型的社交媒体用户文本分类方法，通过用户分类关键词、训练集数据和序贯模板模型构建社交媒体用户分类序贯神经网络模型，对采集的用户社交媒体发文文本进行相关特征提取，根据社交媒体中文用户分类序贯神经网络模型返回的权重值对用户进行分类；包括以下步骤：首先搜寻典型用户的post文本，收集相关关键词和停用词分别创建关键词词库和停用词词库，通过关键词词库和停用词词库结合典型用户文本构建神经网络训练矩阵，根据训练集和序贯模型创建神经网络模型，然后对采集到的中文用户post文本进行处理，最后通过序贯神经网络模型判定出用户的类型。
-
Patent Agency Ranking
公开(公告)号：CN113688310B
公开(公告)日：2023-08-29
申请号：CN202110839324.4
申请日：2021-07-23
Applicant: 北京中科闻歌科技股份有限公司 , 国家计算机网络与信息安全管理中心 , 国科智安(北京)科技有限公司
IPC: G06F16/9535 , G06Q50/00
Abstract: 本公开涉及一种内容推荐方法、装置、设备及存储介质。该方法包括：获取多媒体内容，确定多媒体内容的推荐度影响参数，推荐度影响参数包括互动热度和内容热度，互动热度用于表征针对多媒体内容的互动程度，内容热度用于表征多媒体内容所属的目标主题的受关注程度，基于推荐度影响参数，确定多媒体内容的目标推荐度，在目标推荐度大于或等于预设推荐度阈值的情况下，将多媒体内容推荐至目标用户。根据本公开实施例，提高目标用户对所推荐的多媒体内容感兴趣的可能性，从而提高内容推荐的准确性。
-
公开(公告)号：CN110990711B
公开(公告)日：2023-05-12
申请号：CN201910392858.X
申请日：2019-05-13
Applicant: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC: G06F16/9536 , G06F16/958 , G06Q50/00 , G06N20/00
Abstract: 本发明公开了基于机器学习的微信公众号推荐算法，包括：为训练文本标注标签，获取训练文本的关键词及关键词向量，对关键词向量进行聚类计算，获得簇，并确定簇的中心向量；采集公众号文本，获取公众号文本的关键词及关键词向量，根据关键词向量与中心向量的相似度确定公众号文本对应的标签，获得标签分析结果；根据目标用户的历史行为确定目标用户的喜好标签；从标签分析结果中选取与喜好标签相关的标签，将相关的标签对应的公众号文本推荐给目标用户。本发明还提供了基于机器学习的微信公众号推荐系统。本发明能够根据分析用户喜好，进而自动推荐合适的公众号，避免用户受各种良莠不齐的公众号干扰，避免花费过多时间用于挑选公众号文章。
-
公开(公告)号：CN115357631A
公开(公告)日：2022-11-18
申请号：CN202210668005.6
申请日：2022-06-14
Applicant: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC: G06F16/2457 , G06F40/295
Abstract: 本发明公开了一种社交账号区域位置信息的识别方法，其包括：采集社交账号的基本信息，所述基本信息至少包括：所在区域、个人简介；提取所在区域字段的内容，根据所在区域字段的内容得出位置信息，若无法得出位置信息，则采集社交账号的言论信息，提取言论信息发表时的定位经纬度，根据定位经纬度的地得出位置信息，若无法得出位置信息，则提取个人简介字段的内容，基于预设的位置匹配词在个人简介字段的内容中得出位置信息，若无法得出位置信息，则采集社交账号发表的文本信息，基于预设的位置匹配词在文本信息中得出位置信息。本发明可以通过账号注册时提供的位置信息、个人简介、经纬度、文本信息这四个维度进行区域位置分析。
-
公开(公告)号：CN115357610A
公开(公告)日：2022-11-18
申请号：CN202210669237.3
申请日：2022-06-14
Applicant: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC: G06F16/2455 , G06F9/48
Abstract: 本发明公开了采集资源调度方法，包括：接受采集任务系统的访问请求，根据所述访问请求查询缓存中的采集资源，所述访问请求包括请求的采集资源类型；若缓存中无所需采集资源，则在数据库中查询并获取采集资源，并将获取到的采集资源放入缓存，供所述采集任务系统使用。本发明还提供了采集资源调度系统。本发明能够较稳定地为采集任务系统提供有效的采集资源。
-
公开(公告)号：CN111597333B
公开(公告)日：2022-08-02
申请号：CN202010343965.6
申请日：2020-04-27
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/9535 , G06F40/30 , G06F40/289 , G06Q50/26
Abstract: 本发明公开一种面向区块链领域的事件与事件要素抽取方法及装置，该方法包括：步骤一、基于区块链关键词图的web文本聚类，得到区块链文本聚合词图；步骤二、基于所述的区块链文本聚合词图，构建图注意力机制的图表示学习的事件及其要素抽取方法；首先以区块链文本聚合词图作为输入，基于图注意力模型GAT的深度学习模型进行词的表示学习，以事件及其要素进行抽取的模型训练直到模型收敛；基于收敛的模型实现Tensorflow的后台接口，而对于新的待抽取的文本通过该后台接口进行预测，返回输出的抽取值。本发明可以准确提取事件及其事件要素。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.07 seconds)
