公开(公告)号：CN111159990B

公开(公告)日：2022-09-30

申请号：CN201911244936.8

申请日：2019-12-06

申请人： 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

发明人： 段东圣 ,  任博雅 ,  孙旷怡 ,  井雅琪 ,  时磊 ,  佟玲玲 ,  李扬曦 ,  宋永浩 ,  卢杰

IPC分类号： G06F40/186 ,  G06F40/126 ,  G06F40/284 ,  G06F16/33 ,  G06F16/31

摘要： 本发明提出一种基于模式拓展的通用特殊词识别方法及系统，提出了一种基于基础词的音形编码，常用汉字音节，常用汉字结构以及特殊字符映射节点来构建前缀树，通过比较字符编码相似度进行模糊匹配，完成新词提取的方法及系统。本发明可以应用于大量文本中特定词的发现提取，某些任务的数据集的提取生成，给定文本数据集的预处理等场景中，比如短信、微博等数据集的筛选以及纠正等文本预处理过程。本发明为下一步的文本分类任务提供了数据来源和基本标注，也对文本数据中新词的发现和纠正提供了帮助。

公开(公告)号：CN114330307A

公开(公告)日：2022-04-12

申请号：CN202110483554.1

申请日：2021-04-30

申请人： 国家计算机网络与信息安全管理中心

发明人： 胡燕林 ,  闵宗茹 ,  李致 ,  纪天啸 ,  李佳 ,  张良 ,  黄亮 ,  党向磊 ,  井雅琪 ,  段运强 ,  熊颖 ,  杨云龙 ,  戴光耀

IPC分类号： G06F40/242 ,  G06F40/284 ,  G06F40/295

摘要： 本发明公开了一种基于限定领域的分词方法及系统，方法包括：对限定领域的数据进行预处理，对预处理后得到的数据中的命名实体进行识别，并抽取出数据中的实体词汇，得到命名实体识别结果；基于预处理后得到的数据计算限定领域语料中的特征信息，并根据得到的特征信息构建新词发现模型，利用新词发现模型对语料库中的新词进行识别，以获取新词数据组；利用所述命名实体识别结果及常用词词典对获取的新词数据组进行过滤，排除掉常用词汇和实体词汇，以获取并确认敏感词，并基于确认后的敏感词建立敏感词库；结合敏感词库中获取的敏感词信息和命名实体识别结果进行分词。解决了现有技术中在限定领域中分词准确性较差的技术问题。

公开(公告)号：CN111143508A

公开(公告)日：2020-05-12

申请号：CN201911244928.3

申请日：2019-12-06

申请人： 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

发明人： 李扬曦 ,  井雅琪 ,  任博雅 ,  时磊 ,  余翠玲 ,  佟玲玲 ,  段东圣 ,  胡燕林 ,  苏晓玉 ,  吴小盼

IPC分类号： G06F16/33 ,  G06F40/30 ,  G06F40/289 ,  G06K9/62

摘要： 本发明提出了一种基于通信类短文本的事件检测与跟踪方法，包括：提取与某事件对应的样本集合中各通信类短文本的语义特征、关键要素，及该样本集合的传播网络；根据该语义特征、该关键要素和该传播网络，分别获得任意两个该通信类短文本之间的语义距离、要素距离和用户距离；以该语义距离、该要素距离和该用户距离，获得任意两个该通信类短文本之间的度量距离；对所有该度量距离进行聚类，获得该事件的事件检测结果；提取该事件检测结果的特征属性以跟踪该事件。还提出一种基于通信类短文本的事件检测与跟踪系统，以及一种进行基于通信类短文本的事件检测与跟踪的数据处理装置。

公开(公告)号：CN110825998A

公开(公告)日：2020-02-21

申请号：CN201910733928.3

申请日：2019-08-09

申请人： 国家计算机网络与信息安全管理中心 ,  哈尔滨工业大学软件工程股份有限公司

发明人： 佟玲玲 ,  李扬曦 ,  胡燕林 ,  井雅琪 ,  任博雅 ,  时磊 ,  韩鹏 ,  柳新民 ,  佟美莹

IPC分类号： G06F16/958 ,  G06F16/35 ,  G06K9/62

摘要： 本发明公开了一种网站识别方法及可读存储介质，该方法包括如下步骤：提取网站样本数据，并对所述网站样本数据进行处理构建网页文本卷积神经网络CNN特征；提取网页特征，根据所述网页特征和所述网页文本CNN特征进行特征融合获得网站融合特征；根据所述网站融合特征进行模型训练获得识别模型，根据所述识别模型对待识别的网站进行识别。本发明方法通过使用网页文本特征构建的分类模型比较构建多特征融合分类模型，分类精度有大幅度提高。

公开(公告)号：CN114625978B

公开(公告)日：2024-11-08

申请号：CN202011454130.4

申请日：2020-12-10

申请人： 国家计算机网络与信息安全管理中心 ,  中国科学院信息工程研究所

发明人： 任博雅 ,  李扬曦 ,  佟玲玲 ,  时磊 ,  段东圣 ,  井雅琪 ,  胡燕林 ,  尚燕敏 ,  曹亚男

IPC分类号： G06F18/22 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0985 ,  G06F16/9536 ,  G06Q50/00

摘要： 本发明提供一种基于类型感知的异质网络用户锚链接预测方法及电子装置，包括收集待检测网络和目标网络的网络信息，构建待检测异质网络和目标异质网络；获取每一节点各维度的初始特征向量，得到每个节点的初始特征向量表示；将初始特征向量表示输入基于自注意力图神经网络进行学习，计算各节点的类型感知向量和类型融合向量；通过待检测异质网络和目标异质网络中各节点对之间属于同一类型的类型感知向量及类型融合向量的相似度，判断待检测网络和目标网络是否为锚链接。本发明采用注意力机制捕获节点与类型信息之间影响，利用图注意力网络学习类型感知向量和类型融合向量，解决异质网络中对多种类型信息建模的问题，取得较好的锚链接预测效果。

公开(公告)号：CN118520929B

公开(公告)日：2024-10-29

申请号：CN202411003497.2

申请日：2024-07-25

申请人： 国家计算机网络与信息安全管理中心

发明人： 段运强 ,  李鹏霄 ,  井雅琪 ,  吕东 ,  段荣昌 ,  侯炜 ,  佟玲玲 ,  段东圣 ,  任博雅 ,  王子涵 ,  艾政阳 ,  贾云刚 ,  党中恺

IPC分类号： G06N3/09 ,  G06N3/0455 ,  G06F40/194

摘要： 本发明提供一种文本相似度确定模型的训练方法及文本相似度计算方法，属于计算机技术领域，该训练方法包括：获取第一数据集和第二数据集；第一数据集中包括至少一个短文本数据对；第二数据集中包括至少一个目标文本数据对，目标文本数据对中的两个目标文本数据至少一个为长文本数据；基于句向量对比模型，获取第二数据集中各目标文本数据的关键表述；句向量对比模型是基于第一数据集和第一损失函数对第一预训练模型训练得到的；基于各关键表述和第二损失函数，对第二预训练模型进行训练，得到文本相似性确定模型。通过在判定过程中引入短文本和长文本，提升了文本相似度确定模型输出结果的准确性。

公开(公告)号：CN115080871B

公开(公告)日：2024-05-17

申请号：CN202210847062.0

申请日：2022-07-07

申请人： 国家计算机网络与信息安全管理中心

发明人： 佟玲玲 ,  段运强 ,  任博雅 ,  时磊 ,  候炜 ,  段东圣 ,  王海洋 ,  余翠玲 ,  井雅琪 ,  吕东

IPC分类号： G06F16/9536 ,  G06F16/901 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08 ,  G06Q50/00

摘要： 本发明公开了一种跨社交网络社交用户对齐方法，涉及社交网络的用户关系挖掘领域。本发明为了解决现有社交用户对齐方法不能跨社交网络、计算精度低、对齐效率低的缺陷，采用如下步骤实现：采集社交网络的用户属性信息，构建用户关系拓扑图；根据边权重和节点的出入度计算节点权重；构建一阶近邻关系模型和二阶近邻关系模型，确定一阶邻居节点和二阶邻居节点，得到用户节点之间的相互关系；构建社交对齐神经网络，通过社交对齐神经网络对用户关系拓扑图中各节点进行邻居节点的信息聚合、拼接与非线性变换，得到跨社交网络的社交用户身份对齐结果。本发明主要用于通过跨社交网络对其社交用户实现用户关系挖掘。

公开(公告)号：CN117251524A

公开(公告)日：2023-12-19

申请号：CN202310446513.4

申请日：2023-04-24

申请人： 国家计算机网络与信息安全管理中心 ,  讯飞智元信息科技有限公司

发明人： 段东圣 ,  侯炜 ,  佟玲玲 ,  吕东 ,  井雅琪 ,  程飞 ,  段运强 ,  任博雅 ,  王伟 ,  孙平

IPC分类号： G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06F18/2431 ,  G06F18/2415 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

摘要： 本发明公开了一种基于多策略融合的短文本分类方法，属于自然语言处理领域，主要涉及深度神经网络、数据增强以及文本分类。该方法包括如下步骤：通过数据预处理剔除噪声数据、基于词性标注关键词进行分类，基于数据增强的文本分类，最终通过多策略融合设置相应的阈值门限获取网络短文本数据标签。本发明通过提出一种基于多策略融合的短文本分类的解决方法，从而提升短文本数据分类的效果，进而提升业务人员发现相关短文本数据精准度和业务效率。

公开(公告)号：CN117172245A

公开(公告)日：2023-12-05

申请号：CN202310610786.8

申请日：2023-05-26

申请人： 国家计算机网络与信息安全管理中心

发明人： 艾政阳 ,  时磊 ,  李鹏霄 ,  佟玲玲 ,  王红兵 ,  侯炜 ,  翟羽佳 ,  马宏远 ,  余翠玲 ,  鲁睿 ,  任博雅 ,  井雅琪 ,  吕东 ,  秦佳伟 ,  张维庭

IPC分类号： G06F40/284 ,  G06F18/24 ,  G06F18/22

摘要： 本发明实施例涉及一种控制方法及控制系统，所述方法包括：当检测到目标账号存在新发布的目标文章时，对所述目标文章进行引流标题的先验检测，得到先验检测结果，所述引流标题表征所述目标文章的文章类别；在所述先验检测结果满足预设条件时，对所述目标文章进行引流标题的后验检测，得到后验检测结果；根据所述先验检测结果和所述后验检测结果对所述目标账号进行分数评估，得到所述目标账号的评分结果；根据所述评分结果对所述目标账号进行控制。由此，可以实现对作者账号的调控机制限定，维护平台生态环境以及提高用户体验的技术效果。

公开(公告)号：CN116595316A

公开(公告)日：2023-08-15

申请号：CN202310430301.7

申请日：2023-04-20

申请人： 国家计算机网络与信息安全管理中心

发明人： 吕东 ,  王立强 ,  李艺涛 ,  段东圣 ,  段运强 ,  井雅琪 ,  王媛媛 ,  王子涵 ,  任博雅 ,  佟玲玲 ,  李鹏霄 ,  侯炜 ,  王红兵 ,  艾政阳

IPC分类号： G06F18/10 ,  G06F18/22 ,  G06F18/214 ,  G06F16/9035 ,  G06F16/951 ,  G06F16/9537 ,  G06F16/9538 ,  G06F16/9535 ,  G06F16/9038

摘要： 本发明提出了一种基于评分卡模型的多平台虚假信息识别方法及装置，方法包括：获取各自表征一主题的多组数据信息；基于数据信息与预先标记的数据信息的比对情况进行筛选；对当前数据信息进行排序以及填充处理；利用当前数据信息，构建评分卡模型，并确认每一主题对应的数据信息中，各个维度信息对数据信息危险程度的影响情况；利用当前构建的评分卡模型，对再次获取的表征一主题的数据信息进行识别处理。本发明应用评分卡模型，可基于同一主题的虚假信息识别，并且可以根据影响主题信息的多种因素，在不同的周期内，识别不同维度数据的影响因素权重。