-
公开(公告)号：CN111861144A
公开(公告)日：2020-10-30
申请号：CN202010605353.X
申请日：2020-06-29
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了面向多维指标分析的评估方法，包括：获取预定地区的产业发展相关指标的数据，所述产业发展相关指标至少包括产业指标、科研机构指标及政策法规指标；对所述产业发展相关指标的数据执行无量纲化处理；根据无量纲化处理得到的数据，计算所述产业发展相关指标的熵值，根据所述熵值计算所述产业发展相关指标的权值；根据无量纲化处理得到的数据和权值，评估预定地区的产业发展。本发明还提供了面向多维指标分析的评估装置。本发明通过对多个角度的指标数据信息进行获取和计算，实现了全方面、多维度、快速评估。
-
公开(公告)号：CN111461348A
公开(公告)日：2020-07-28
申请号：CN202010264622.0
申请日：2020-04-07
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于图核的深度网络嵌入学习模型，包括构造节点的子结构集合、生成子结构的特征向量、在多个重构核希尔伯特空间上近似特征向量、设计基于图核的深度卷积模型、提出一种挖掘潜在社区信息的优化方法5个部分；本发明综合利用了社交网络分析、图算法分析、机器学习等技术，为网络的节点生成高质量表征向量，进而基于该向量可进行其他应用的研究，对进一步研究社交网络的特性和挖掘相关信息提供了关键基础。
-
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。
-
公开(公告)号：CN105205146B
公开(公告)日：2018-10-30
申请号：CN201510600289.5
申请日：2015-09-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
Abstract: 本发明公开了一种计算微博用户影响力的方法，属于数据挖掘领域，具体步骤如下：一、收集每日的微博流数据；步骤二、服务器将微博流数据平均分发到多个端口；步骤三、对流数据进行特征提取和并行计算；步骤四、将特征存储；步骤五、过滤不关心用户；步骤六、计算用户影响力；步骤七、存储每日每个用户的影响力。优点在于：该影响力的指标增加了平均数、最高数和爆发度，平均数要求用户发布的每条微博的平均影响力都比较高，避免出现微博数大造成转发量或评论量大，最高数和爆发度分别刻画影响力传播的范围和速度，因此，新增加的指标克服以往指标中存在单一总数不能完整刻画用户影响力的缺陷，能够更深入的解释用户影响力高的原因。
-
公开(公告)号：CN105808525B
公开(公告)日：2018-06-29
申请号：CN201610186810.X
申请日：2016-03-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/27
Abstract: 本发明提供一种基于相似概念对的领域概念上下位关系抽取方法，包括以下步骤：步骤1，领域概念集合由若干个领域概念组成；基于概念聚类的方法从领域概念集合中抽取相似的领域概念；步骤2，获得可能存在上下位关系的候选概念对，然后根据步骤1获取的相似概念产生相似候选概念对；步骤3，利用知识库获取部分训练数据，并通过相似候选概念对共同表征关系特征，实现基于多句特征的关系抽取，从而抽取到领域概念上下位关系。优点为：本发明可以突破语料规模的限制，利用多句特征抽取领域概念的上下位关系，可提升领域概念上下位关系抽取的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107633044A
公开(公告)日：2018-01-26
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：CN107066554A
公开(公告)日：2017-08-18
申请号：CN201710183767.6
申请日：2017-03-24
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相关人物推荐方法，包括：步骤一、微博用户识别：解析当前用户所有博文中的多个关键字以及每个关键字的权重Wki；获取至少一篇相匹配博文，相匹配的博文具有所述多个关键字，获取各相匹配博文的微博主，再获取各微博主对多个关键字中各关键字的权重UWki；步骤二、相关用户过滤：从所获取的微博主中筛选掉已经被当前用户关注的微博主，从而获得至少一个相关用户；步骤三、用户相关性权重计算：依据相关性权重公式计算每个相关用户的相关性权重；步骤四、根据所述至少一个相关用户的相关性权重，将相关性权重排名在排序规定值之前的相关用户推荐给当前用户。本发明可以使用户更加方便直接地关注自己感兴趣的内容和微博人物。
-
公开(公告)号：CN106980692A
公开(公告)日：2017-07-25
申请号：CN201710213302.0
申请日：2017-04-01
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于微博特定事件的影响力计算方法，属于社交网络分析及数据挖掘技术领域。本发明依据传播学中事件发展的五个阶段对特定事件进行了相关分析划分并应用于影响力计算中，主要针对微博文本数据及基础的用户数据进行统计处理与自然语言处理，计算传播角度和内容角度兼顾的六项影响力指标，并使用K‑means机器学习算法对子话题进行划分；最终得出特定事件的影响力热度指数EII、事件内的用户影响力排行榜、消息影响力排行榜。对比现有技术，本发明考虑微博文本的内容指标，较全面而准确地反映了事件各方面的信息，具有很强的现实意义和实用价值。此外，本发明方法计算的时空耗费不高，易于模块化，可投入大规模的数据计算，具有较好的稳定性。
-
公开(公告)号：CN106557552A
公开(公告)日：2017-04-05
申请号：CN201610958001.6
申请日：2016-10-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Abstract: 本发明公开了一种网络话题热度预测方法。它包括话题检测、热度预测建模、预测热度值计算三个步骤。话题检测部分负责从网络数据中获取与用户给定话题关键词相关的话题数据。预测建模部分按照用户设定的时间粒度大小统计话题检测结果中每个时间段内的话题热度值，并计算高斯过程模型关于话题热度统计时间点的协方差矩阵，构建基于高斯过程的预测模型。预测热度值计算部分针对用户给定的预测时间点，利用构建的高斯过程模型计算话题在给定时间点的热度值。本发明综合利用信息检索技术、分类技术进行话题检测，利用高斯过程模型来进行话题热度预测，提高了话题预测的实用性和有效性。
-
公开(公告)号：CN105808525A
公开(公告)日：2016-07-27
申请号：CN201610186810.X
申请日：2016-03-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/27
CPC classification number: G06F17/271 , G06F17/2705 , G06F17/274 , G06F17/2785
Abstract: 本发明提供一种基于相似概念对的领域概念上下位关系抽取方法，包括以下步骤：步骤1，领域概念集合由若干个领域概念组成；基于概念聚类的方法从领域概念集合中抽取相似的领域概念；步骤2，获得可能存在上下位关系的候选概念对，然后根据步骤1获取的相似概念产生相似候选概念对；步骤3，利用知识库获取部分训练数据，并通过相似候选概念对共同表征关系特征，实现基于多句特征的关系抽取，从而抽取到领域概念上下位关系。优点为：本发明可以突破语料规模的限制，利用多句特征抽取领域概念的上下位关系，可提升领域概念上下位关系抽取的准确率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.059 seconds)
