-
公开(公告)号：CN104935963B
公开(公告)日：2018-03-16
申请号：CN201510290170.2
申请日：2015-05-29
Applicant: 中国科学院信息工程研究所
IPC: H04N21/258 , H04N21/466
Abstract: 本发明涉及一种基于时序数据挖掘的视频推荐方法。该方法包括：1)通过第三方数据分析用户对视频的兴趣梯度变化，并得到用户兴趣梯度曲线，将用户兴趣梯度曲线的奇异点作为用户兴趣迁移的时间点；2)确定用户最近的兴趣迁移时间点，对用户最近的兴趣迁移时间点以后的用户‑项目评分进行采集，从而建立选定时间窗口内的符合用户当前兴趣的用户‑项目评分矩阵；3)基于所述用户‑项目评分矩阵，通过使用随机游走模型进行用户的个性化视频推荐。本发明考虑了个性化视频推荐中的兴趣迁移问题，并融合了时间窗口方法和基于Random Walker的信任度模型进行个性化视频推荐，提高了视频推荐的准确性和效率。
-
公开(公告)号：CN104935963A
公开(公告)日：2015-09-23
申请号：CN201510290170.2
申请日：2015-05-29
Applicant: 中国科学院信息工程研究所
IPC: H04N21/258 , H04N21/466
CPC classification number: H04N21/25891 , H04N21/4667 , H04N21/4668
Abstract: 本发明涉及一种基于时序数据挖掘的视频推荐方法。该方法包括：1)通过第三方数据分析用户对视频的兴趣梯度变化，并得到用户兴趣梯度曲线，将用户兴趣梯度曲线的奇异点作为用户兴趣迁移的时间点；2)确定用户最近的兴趣迁移时间点，对用户最近的兴趣迁移时间点以后的用户-项目评分进行采集，从而建立选定时间窗口内的符合用户当前兴趣的用户-项目评分矩阵；3)基于所述用户-项目评分矩阵，通过使用随机游走模型进行用户的个性化视频推荐。本发明考虑了个性化视频推荐中的兴趣迁移问题，并融合了时间窗口方法和基于Random Walker的信任度模型进行个性化视频推荐，提高了视频推荐的准确性和效率。
-
公开(公告)号：CN115269925A
公开(公告)日：2022-11-01
申请号：CN202210724045.8
申请日：2022-06-23
Applicant: 中国科学院信息工程研究所
IPC: G06F16/901
Abstract: 本发明公开了一种基于层次结构的无偏置场景图生成方法。本方法为：1)利用有偏模型对图像样本进行处理，得到有偏模型预测结果；根据各图像样本对应的所述有偏模型预测结果构建一层次化关系树；其中，所述有偏模型为场景图生成模型；2)根据所述层次化关系树和设定的层次化关系损失函数，计算损失值；然后基于所述损失值利用梯度反向传播方法优化所述有偏模型，使所述有偏模型输出结果迭代优化，最终输出无偏置场景图；3)对于一待处理的图像，将其输入步骤2)优化后的所述有偏模型，得到对应的无偏置场景图。本发明能够让模型由粗到细地学习不同关系间的区别，从高度有偏的长尾场景图数据中生成无偏置场景图。
-
公开(公告)号：CN113254576B
公开(公告)日：2022-07-26
申请号：CN202110453104.8
申请日：2021-04-26
Applicant: 中国科学院信息工程研究所
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/216 , G06F40/30 , G06N5/02
Abstract: 本发明公开了一种人类行为与情感的预测、溯源方法及装置，对情感、需求和行为三者关联关系进行统一建模，可以从认知的角度通过情感、需求和行动之间的关系来模拟个体活动，实现了情感预测、情感溯源、行为预测及行为溯源四个任务。本发明可以对文本内容进行初步有效的情感预测和溯源以及行为预测和溯源，更好地揭示需求、情感和行为之间的本质关系，有助于研究人员追踪情绪反应和行为的起源，并为分析提供更合理的解释。
-
公开(公告)号：CN110363282B
公开(公告)日：2021-10-26
申请号：CN201910489364.3
申请日：2019-06-06
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种基于图卷积网络的网络节点标签主动学习方法和系统。该方法包括：1)根据当前带标签节点集合L，采用图卷积网络GCN预测本轮迭代中各节点的标签；2)根据GCN的分类效果更新待标注节点的查询策略，根据查询策略获得相应的待标注节点；3)将根据查询策略得到的待标注节点进行集成，从本轮迭代中的不带标签节点集合U中选出最优的待标注节点进行标注，并加入带标签节点集合L中；4)迭代进行步骤1)～3)，直到标注的节点数目达到预先设置的目标数目。所述查询策略包括标签覆盖率查询策略、信息熵查询策略、节点中心性查询策略、信息密度查询策略。本发明能够改善和解决图卷积网络当带标签节点过少时参数更新困难的问题。
-
Patent Agency Ranking
公开(公告)号：CN113342953A
公开(公告)日：2021-09-03
申请号：CN202110675321.1
申请日：2021-06-18
Applicant: 北京理工大学东南信息技术研究院 , 中国科学院信息工程研究所
IPC: G06F16/332 , G06F16/33 , G06F40/289 , G06Q50/26
Abstract: 本发明适用于智能问答领域，提供了一种基于多模型集成的政务问答方法。本发明将实际政务问答的复杂场景分解为多个部分，集成多种特定用途的在不同数据集上微调的预训练语言模型，分别进行FAQ问答对匹配、阅读理解以及层级检索以获取答案和可解释性证据，之后使用无监督答案验证方法对得到的答案和可解释性证据进一步验证，从而充分利用不同模型进行答案信息互补，提高政务问答的质量。采取的阅读理解模型经过无监督检索后能够快速推理并且层级检索方法非常高效，从而保证政务问答的实时性要求。多模型集成的使用能够进一步提高问答准确率，同时提供答案对应的可解释性证据。此外，无监督方法的特性使得该发明能够轻易移植到其他实际问答场景中。
-
公开(公告)号：CN113254575A
公开(公告)日：2021-08-13
申请号：CN202110441185.X
申请日：2021-04-23
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种基于多步证据推理的机器阅读理解方法与系统。本方法的步骤包括：1)将文章P和问题Q输入全局编码器，生成输入字符向量表示U；2)对U进行编码得到输入表示g并输入多步证据推理机；3)多步证据推理机根据g进行推理得到与问题Q相关的的开始证据向量和结束证据向量；4)根据多步证据推理机最终计算得到的与问题Q相关的起始证据向量sT+1、结束证据向量eT+1和问题的表达向量qcls计算问题Q的分值score，当分值score高于设定阈值θ，则判定该问题Q不可回答；否则判定该问题Q存在答案，并抽取从文章P中获取答案的开始位置start‑position和结束位置end‑position。
-
公开(公告)号：CN110362818A
公开(公告)日：2019-10-22
申请号：CN201910489380.2
申请日：2019-06-06
Applicant: 中国科学院信息工程研究所
IPC: G06F17/27 , G06N3/04 , G06F16/951
Abstract: 本发明涉及一种基于用户关系结构特征的微博谣言检测方法和系统。该方法包括以下步骤：1)根据用户行为信息构造用户关系结构图，对所述用户关系结构图进行建模得到用户向量；2)根据微博话题流数据的传播路径构造传播树，对所述传播树进行编码得到传播树向量；3)将所述用户向量和所述传播树向量进行级联，并输入神经网络来判断微博话题是否为谣言。该系统包括用户编码器、传播树编码器和集成器。本发明对谣言传播过程中参与的用户进行建模，得到微博数据流中所有用户的向量表示，在谣言检测过程中增加了有用的检测因素，即体现了用户特征的作用，提高了谣言检测系统的正确率和F1值。
-
公开(公告)号：CN104281882B
公开(公告)日：2017-09-15
申请号：CN201410472689.8
申请日：2014-09-16
Applicant: 中国科学院信息工程研究所
Abstract: 本发明提供了基于用户特征的预测社交网络信息流行度的方法，该方法包括：获取社交网络中的用户数据和信息数据；从用户数据中提取部分用户属性特征及用户行为特征；根据用户属性特征和用户行为特征将用户数据进行分类；根据信息数据及用户的类别，得到信息数据对应的用户传播特征；根据用户传播特征得到社交网络信息流行度预测模型，采用预测模型对信息流行度进行预测。本发明提供的基于用户特征的预测社交网络信息流行度的系统，包括获取模块、特征提取模块、分类模块、处理模块、预测模型模块及预测模型。本发明结合用户行为特征的特点，更加准确地预测社交网络的信息传播，解决热点发现滞后、信息推送以及网络舆情监测实时性难以保证的问题。
-
公开(公告)号：CN105138580A
公开(公告)日：2015-12-09
申请号：CN201510462971.2
申请日：2015-07-31
Applicant: 中国科学院信息工程研究所
IPC: G06F17/30
CPC classification number: G06F17/30864
Abstract: 本发明涉及一种基于阻断连边的网络负面信息影响最小化方法。该方法首先采用有向图表示社交网络中信息的传播，并利用贪婪算法找到该有向图中的k条边，使得当去掉该k条边时负面信息的感染面积最小，其中k为正整数；然后切除该k条边以使负面信息传播的范围最小。本发明通过贪婪算法寻找出可以将恶意信息扩散范围最小的k条边，这k条边远远小于社交网络图的总边数。本发明能够对于恶意信息已经爆发的社交网络进行有效地控制，使恶意信息的传播范围大大降低，所提出的贪婪算法是最接近理论最优解的，远远好于其他启发式算法。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.041 seconds)
