-
公开(公告)号：CN114861029B
公开(公告)日：2024-09-13
申请号：CN202210411631.7
申请日：2022-04-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/953 , G06Q10/0639 , G06Q50/00
Abstract: 本发明实施例公开了舆情塑造过程分析方法、装置、电子设备以及存储介质。该方法包括：获取目标舆情事件的舆情数据以及目标舆情事件的舆情数据的发布方；根据舆情数据，确定舆情主题；根据舆情数据随时间的变化情况，将目标舆情事件划分为多个发展阶段；根据目标舆情事件在每个发展阶段的舆情数据，确定在相应发展阶段的核心议题；从在每个发展阶段的舆情数据的发布方中，识别在相应发展阶段的舆情塑造主体；根据在每个发展阶段的核心议题与舆情主题的匹配情况，对目标舆情事件在多个发展阶段的舆情塑造主体对于目标舆情事件的舆情塑造效果进行评估。基于该方法，可以实现对于舆情塑造过程的全面分析，并实现对于舆情塑造效果进行准确评估。
-
公开(公告)号：CN113449601B
公开(公告)日：2023-05-16
申请号：CN202110591209.X
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: G06V40/10 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于渐进性平滑损失的行人重识别模型训练方法，包括：获取训练样本数据；其中，所述训练样本数据包括多个包含行人的视频；将所述训练样本数据输入至初始模型中，得到对应各所述包含行人的视频的帧级别特征和视频级别特征；分别基于所述帧级别特征和所述视频级别特征计算第一损失和第二损失；基于所述第一损失和所述第二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：CN115393697A
公开(公告)日：2022-11-25
申请号：CN202210895693.X
申请日：2022-07-28
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: G06V20/00 , G06V10/26 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于多元特征融合分割的图片伪造检测方法和系统，通过提取图像中伪造区域的光照梯度、噪声分布、压缩一致性特征后，对其进行加权融合成一个新的综合特征，送入到专用的分割神经网络判断图像是否是伪造的，并标记出伪造区域，同时将多元融合特征与网络分割结果结合，给出伪造检测的解释性展示，在提高传统方法的准确率和普适性的同时，弥补了深度学习方法可解释性较低的不足。
-
公开(公告)号：CN114880496A
公开(公告)日：2022-08-09
申请号：CN202210471183.X
申请日：2022-04-28
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司
IPC: G06F16/432 , G06F16/435 , G06F16/483 , G06F40/279 , G06F40/30 , G06V40/16 , G06V20/40 , G06V20/62 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N7/00 , G10L15/22
Abstract: 本公开涉及一种多媒体信息话题分析方法、装置、设备及计算机可读存储介质，本公开通过音频数据得到语音识别文本、通过视频数据的关键帧得到字幕文本；针对上述语音识别文本及字幕文本从实体、关键词、语义标签三方面提取话题信息，实现了基于文本数据的全方面、多粒度的文本话题提取；针对视频数据的关键帧，从人脸标签及图片标签两方面提取话题信息，实现了基于图像数据的视觉话题提取；本公开实施例充分考虑了视频数据的多模态特征，全面的分析视频话题，提高了话题分析的准确性；进一步的，通过准确的话题分析，可以使受众快速有效的获取视频的主要信息，提升了工作效率，并可以广泛应用于视频个性化推荐、视频内容检索等场景。
-
公开(公告)号：CN113688310A
公开(公告)日：2021-11-23
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。
-
Patent Agency Ranking
公开(公告)号：CN113343810A
公开(公告)日：2021-09-03
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
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：CN110287314B
公开(公告)日：2021-08-06
申请号：CN201910418900.0
申请日：2019-05-20
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35
Abstract: 本发明涉及一种基于无监督聚类的长文本可信度评估方法，包括：以已知长文本获取训练数据，提取该训练数据的训练特征以构建训练特征向量集，对该训练特征向量集进行无监督聚类，得到多个训练类心；以待评估长文本获取评估数据，提取该评估数据的评估特征向量；获取该评估特征向量相对该训练类心的评估值，并以该评估值得到该待评估长文本的可信度。本发明通过无监督聚类对长文本进行可信度评估，在实施过程中不需要标注数据，节省了人力、物力与时间，避免了数据中标签稀疏带来的困扰；提取了长文本的文本特征，对于可信度评估任务更加适用，使用该模型得到的文本的可信度更具有可解释性，同时在平台之间可以迁移。
-
公开(公告)号：CN109977227B
公开(公告)日：2021-06-22
申请号：CN201910205999.6
申请日：2019-03-19
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: G06F16/35 , G06F40/289 , G06F40/12 , G06N3/00 , G06N3/12
Abstract: 本发明属于信息分类领域，具体涉及了一种基于特征编码的文本特征提取方法、系统、装置，旨在解决文本特征提取中运算复杂度高、分类效率和精度低的问题。本发明方法包括：对获取的文本预处理，获得词候选特征序列；基于词候选特征序列，生成多个二进制编码；采用基因遗传算法筛选二进制编码，获得最优二进制编码；解码最优二进制编码获得最优词特征序列并输出。本发明将一系列候选特征转化为易处理的编码序列，并使用基因遗传算法的自动筛选功能，对特征进行最大化的全局最优挑选，能够有效地筛选出最小有效特征集。
-
公开(公告)号：CN109829089B
公开(公告)日：2021-03-05
申请号：CN201811516557.5
申请日：2018-12-12
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/906 , G06F16/958 , G06Q50/00
Abstract: 本发明涉及一种基于关联图谱的社交网络用户异常检测方法和系统，针对现有事件可视化展示技术的不足以及事件、用户、事件主题等多种实体关联性较弱不易于进行用户异常检测，提出一种基于微博平台的事件可视化方法以及事件、用户、事件主题等多种实体构建异构关联网络图谱进行用户异常检测；在不缺失事件信息的同时，让使用者更加全面、深入地了解整个事件的发展演变过程，并根据已有的异构关联网络图谱更加直观的进行用户异常检测。
-
公开(公告)号：CN111859979A
公开(公告)日：2020-10-30
申请号：CN202010549940.1
申请日：2020-06-16
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: G06F40/30 , G06F40/289 , G06F16/953 , G06N3/04
Abstract: 本申请涉及一种讽刺文本协同识别方法、装置、设备及计算机可读介质。该方法包括：获取待处理文本，待处理文本来自于社交媒体网络平台；提取待处理文本的语义特征信息和主题特征信息，语义特征信息用于表征待处理文本与讽刺类型的关联关系，主题特征信息用于表征待处理文本体现的讽刺主题；根据第一神经网络模型对语义特征信息和主题特征信息的识别结果确定待处理文本的文本类型，并确定待处理文本的主题标签。本申请利用表征语义情感的特征和表征讽刺主题的特征对待处理文本进行协同识别，既确定是否带有讽刺含义，在具备讽刺含义的情况下还同时识别出体现讽刺的主题，实现有主题区分度的文本语义表示，有效提高了讽刺识别的准确率和解释性。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.108 seconds)
