-
公开(公告)号：CN103761246A
公开(公告)日：2014-04-30
申请号：CN201310705515.7
申请日：2013-12-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06F17/30705
Abstract: 本发明提出一种基于链接网络的用户领域识别方法及其装置，属于数据发掘及复杂网络领域。装置包括数据收集与预处理模块，领域原型用户集合构建模块和用户领域计算模块。方法包括：步骤1，手工采集初始种子用户；步骤2，收集种子用户的关注用户；步骤3，构建链接网络，计算各关注用户对于各领域的隶属度；步骤4，按隶属度大小将用户排序；步骤5，为各领域构建领域原型用户集合；步骤6，收集待分类用户的关注用户；步骤7，计算待分类用户对于各领域的隶属度；步骤8，将领域隶属度大小排序；步骤9，加领域标签。本发明适用于多种社交网络平台，能够克服短文本的缺点，特别适合用户建模，个性化信息搜索和推荐等领域。
-
公开(公告)号：CN103761239A
公开(公告)日：2014-04-30
申请号：CN201310664725.6
申请日：2013-12-09
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06F17/3071
Abstract: 本发明公开了一种根据表情符号对微博进行情感倾向分类的方法，包括：创建中性情感集、消极情感集和积极情感集；利用中性情感集、消极情感集和积极情感集，建立中性情感贝叶斯分类器；利用由消极情感集和积极情感集，建立极性情贝叶斯情感分类器；利用中性情感贝叶斯分类器和极性情感贝叶斯分类器对待测微博进行情感分类。本发明通过建立一个两阶段分类，即建立中性情感分类器，把中性情感的微博剔除，建立极性情感分类器，将有极性情感的微博分为积极情感和消极情感，该分类器分类速度快、占用空间小且鲁棒，且本发明能通过微博准确的了解到人们对当前的热门话题或事件的态度和网民的情绪，对社会科研和调查有着重要的帮助。
-
公开(公告)号：CN107633044B
公开(公告)日：2021-08-06
申请号：CN201710827984.4
申请日：2017-09-14
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于热点事件的舆情知识图谱构建方法，属于自然语言处理领域；首先实时获取微博文本，对每个微博文本进行处理，构建文本簇，计算每个文本簇所属的话题类别，按类别识别每个簇中的热点事件，统计每个热点事件的多维属性；识别参与热点事件讨论的重要人物和机构，并获取重要人物和机构的多维属性；最后构建事件、人物、机构的多维属性体系及关系类型，以事件、人物、机构为实体，事件、人物、机构之间的关系为关联，构建舆情知识图谱。本发明能够从多个维度对热点事件、人物、机构进行刻画，实现对热点事件、人物、机构的全方位解析；并根据实际需求，设置不同话题类别的权重，实现不同话题的舆情知识图谱构建。
-
公开(公告)号：CN104778210B
公开(公告)日：2018-04-27
申请号：CN201510111754.9
申请日：2015-03-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
Abstract: 本发明公开了一种微博转发树和转发森林构建方法，属于数据挖掘领域，包括以下步骤：收集该条微博的原创微博信息；并且根据单条原创微博信息，获取其转发微博信息；然后在单条原创微博信息及其所有转发微博信息上，构造单条微博的微博树结构；根据用户给定时间段t3‑t4内的话题关键词Topic，收集与该话题相关的全量微博信息，针对每一条微博信息，构造单条微博的微博树结构；最后汇总该话题相关的全量微博信息的转发树；形成微博转发森林。本发明的优点为：通过转发树生成算法，高效快速完整地进行转发树和转发森林的提取，具有较高的效率和效果。
-
公开(公告)号：CN105068988B
公开(公告)日：2018-01-30
申请号：CN201510431992.8
申请日：2015-07-21
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F17/27
Abstract: 本发明涉及一种多维度和多粒度情感分析方法，包括：构建情感资源，即根据特定领域文本的类别体系构建其情感资源；选择情感倾向词，即选择每个类别下的情感词并确定其情感倾向；判别情感倾向性，包括：判断信息资源的类型；从信息资源中获取情感关键词；从信息资源中识别权威发布者，并获取该信息资源的情感分析结果；对社交类信息进行情感分析；对非专有类别社交类信息的情感倾向进行分析；针对专有类别的社交信息进行情感分析。本发明的情感分析方法能够从多维度、多粒度进行情感分析以提供较高的情感分析识别率和精度。
-
Patent Agency Ranking
公开(公告)号：CN106227766A
公开(公告)日：2016-12-14
申请号：CN201610559551.0
申请日：2016-07-15
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F16/951
Abstract: 本发明公开了一种大数据驱动的选举舆情预测方法，属于数据挖掘领域。具体为：首先，根据选举国家或地区的互联网网路使用报告和地区网站排名，挑选出大数据信息源；再对每一类信息源进行分析，构建民意预测指标；然后融合提取出的多源预测指标，形成当前互联网民众支持率；进而收集民调报告，融合报告中各年龄段人群对候选人的支持率，形成线下民调支持率值；考虑选举国家或地区人口结构构成和网民年龄分布，融合候选人互联网支持率值与线下民调支持率值，运用移动平均方法，预测下一时间节点候选人支持率值，预测结果以日频度更新。本发明具有数据源广泛、预测周期短、实时性强等特点，在舆情监控和观点分析等领域有重要的应用价值。
-
公开(公告)号：CN105760366A
公开(公告)日：2016-07-13
申请号：CN201610150038.6
申请日：2016-03-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/27
CPC classification number: G06F17/2715 , G06F17/277
Abstract: 本发明提供一种针对特定领域的新词发现方法，包括以下步骤：步骤1，文档预处理；步骤2，构建候选新词集；其中，每个候选新词由词语、该词语距离所述中心词语的距离向量值以及所述中心词语均采用新词表述方式表达。步骤3，候选新词挖掘；优点为：针对特定领域的新词发现方法，采用更灵活的新词表达方式，将数据挖掘领域的关联规则方法引入新词发现过程，并创新地提出将词汇与指定关键词的距离向量作为关联规则挖掘的重要特征，由此可快速准确全面的识别出文档包含的所有新词。
-
公开(公告)号：CN105068988A
公开(公告)日：2015-11-18
申请号：CN201510431992.8
申请日：2015-07-21
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F17/27
Abstract: 本发明涉及一种多维度和多粒度情感分析方法，包括：构建情感资源，即根据特定领域文本的类别体系构建其情感资源；选择情感倾向词，即选择每个类别下的情感词并确定其情感倾向；判别情感倾向性，包括：判断信息资源的类型；从信息资源中获取情感关键词；从信息资源中识别权威发布者，并获取该信息资源的情感分析结果；对社交类信息进行情感分析；对非专有类别社交类信息的情感倾向进行分析；针对专有类别的社交信息进行情感分析。本发明的情感分析方法能够从多维度、多粒度进行情感分析以提供较高的情感分析识别率和精度。
-
公开(公告)号：CN107577782B
公开(公告)日：2021-04-30
申请号：CN201710827978.9
申请日：2017-09-14
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/335 , G06F16/33 , G06F16/9535
Abstract: 本发明公开了一种基于异质数据的人物相似度刻画方法，属于数据挖掘领域。本发明首先搜集用户的微博文本，获取用户之间的关注关系以及各用户的基本信息，针对不同类型数据的特点个性化选择处理方式，并对于微博文本采用Doc2vec模型，结合上下文信息将文本表示成向量，再根据定义的相似度函数衡量相似度，最后将不同维度得到的矩阵进行融合，刻画用户最终的相似度。本发明引入了多种社交网络信息，包括社交关系数据、用户属性数据和用户文本数据等，通过对不同类型的信息加以综合考虑，以得到更全面的人物相似度刻画方法；同时本发明提供了对于多种数据的处理和计算方案，利用完整的数据和加权融合方法，个性化计算不同偏好的人物相似度。
-
公开(公告)号：CN106168969B
公开(公告)日：2019-05-14
申请号：CN201610524367.2
申请日：2016-07-05
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/958
Abstract: 本发明提供一种信源重要度的评级方法及评级系统，评级方法包括：步骤1，计算信源所属网站的网站重要度值W1；步骤2，计算信源在所属行业的行业重要度值W2；步骤3，预设定网站重要度权重值C1和行业重要度权重值C2；根据下式计算得到信源重要度值M:信源重要度值M＝网站重要度值W1*网站重要度权重值C1+行业重要度值W2*行业重要度权重值C2；步骤4，根据信源重要度值M对信源进行重要度评级，并输出信源重要度评级结果。优点为：本发明能够对信源进行客观、科学合理、有效实用的信源重要度评级。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.092 seconds)
