-
公开(公告)号：CN109977393B
公开(公告)日：2021-09-03
申请号：CN201711464946.3
申请日：2017-12-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于内容争议性的流行新闻预测方法，包括：争议性模式挖掘步骤，构建多任务学习的卷积神经网络模型，以对历史流行新闻进行模式的挖掘，得到该历史流行新闻的内容争议性模式的特征；流行新闻预测步骤，将新生新闻转化为词语字符的合集C，并将该合集C与该内容争议性模式进行匹配，得到该新生新闻的争议度得分P，以判断该新生新闻是否属于流行新闻；预测结果验证步骤，通过该新生新闻的实际流行性对该卷积神经网络模型进行验证，并使用验证结果对该卷积神经网络模型进行训练。本发明从争议性新闻本质的内容模式出发，能够实时准确地预测出潜在的流行新闻。
-
公开(公告)号：CN110019812B
公开(公告)日：2021-08-20
申请号：CN201810164771.2
申请日：2018-02-27
Applicant: 中国科学院计算技术研究所
IPC: G06F40/289 , G06F40/30 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种用户自生产内容检测方法和系统，包括：获取社交媒体中用户自生产内容的文本内容、图像内容和社交属性，并从文本内容中抽取词向量特征，从社交属性中抽取社交属性特征以及从图像内容中抽取图像特征；通过递归神经网络融合词向量特征和社交属性特征，得到文本、社交融合特征；根据递归神经网络得到注意力向量，并通过注意力机制将图像特征处理为注意力融合特征，将注意力融合特征与文本、社交融合特征相融合，生成多模态融合特征；利用多模态融合特征训练分类器，以检测社交媒体中指定的用户自生产内容。本发明通过深度神经网络，融合内容检测涉及的多种模态内容，能够全面地进行用户自生产内容检测，得到更加准确的检测结果。
-
公开(公告)号：CN107886441B
公开(公告)日：2021-01-08
申请号：CN201710970005.0
申请日：2017-10-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种社交网络脆弱性评估的方法，包括：采集社交网络中某用户的相关信息，计算得到该用户的档案信息量和博文信息量；以该档案信息量和该博文信息量，得到该用户的个人信息量；以该用户在该社交网络中的朋友数量，及该用户所发布博文信息在该社交网络中的转发次数，得到该用户的信息传播量；以该用户的个人信息量和信息传播量，得到该用户的个人脆弱性评估值；以该个人脆弱性评估值对该用户的个人脆弱性进行评估；以该用户的个人脆弱性评估值，及该用户在该社交网络中的朋友的个人脆弱性评估值，得到该用户的社交网络脆弱性评估值；以该绝对脆弱性评估值对该用户的该社交网络脆弱性进行评估。
-
公开(公告)号：CN110210244B
公开(公告)日：2020-12-29
申请号：CN201910387263.5
申请日：2019-05-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供了检测社交媒体用户隐私泄露的方法和系统，其中基于用户发布的数据评估用户每个隐私属性的确定性，基于用户所在社交媒体的网络结构确定用户数据的可见性，以及根据用户隐私属性的确定性和用户数据的可见性来衡量该用户隐私泄露的程度，并向该用户发出隐私泄露风险提示。本发明实施例的技术方案中基于用户发布的信息内容、社交网络结构、用户社交关系强度、用户隐私偏好设置等因素全面有效量化了用户隐私泄露程度，能帮助社交媒体用户及时发现隐私泄露事件的发生，从而减小了隐私泄露的危害。
-
公开(公告)号：CN107564007B
公开(公告)日：2020-09-11
申请号：CN201710650525.3
申请日：2017-08-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种场景分割修正方法，通过全局残差修正网络，以完全残差卷积网络作为前端模型，将该前端模型的置信度图和原始图像按通道拼接起来，作为该全局残差修正网络的输入，从而输出全局修正残差，将该全局修正残差与该置信度图相加，得到场景分割的修正结果；使用已知的场景分割数据集对该全局残差修正网络进行训练；使用已知的场景分割数据集对该全局残差修正网络进行训练。同时本发明还提出了将该全局残差修正网络和局部边界修正网络串联起来，形成级联的框架，该级联的框架可以对前端模型的分割结果进行全局修正和局部修正，从而得到更加精确的场景分割结果。
-
Patent Agency Ranking
公开(公告)号：CN107515895B
公开(公告)日：2020-06-05
申请号：CN201710574741.4
申请日：2017-07-14
Applicant: 中国科学院计算技术研究所
IPC: G06F16/583 , G06F16/55 , G06K9/62
Abstract: 本发明涉及一种基于目标检测的视觉目标检索方法和系统，包括：采用IDF带权的交叉熵损失函数对公共目标检测数据集进行训练，生成初步目标检测模型；采用包含用户指定目标类型的检索数据集对初步目标检测模型进行微调，生成最终目标检测模型；通过最终目标检测模型对待检索图片中的视觉目标进行特征提取，生成待检索图片的多个卷积特征图，通过空间注意力矩阵将卷积特征图进行聚合，生成聚合特征向量，以在图片库中检索与聚合特征向量相匹配的图片。本发明通过将视觉目标检索与检测相关联，避免了候选窗口预测步骤，并通过选择性累加特征图得到注意力矩阵，将卷积层的局部描述子带权聚合成一个全局特征表达用于视觉目标检索，提高了检索速度和精度。
-
公开(公告)号：CN106372083B
公开(公告)日：2019-10-18
申请号：CN201510435105.4
申请日：2015-07-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种有争议性新闻线索自动发现的方法及系统，该方法包括：步骤1，利用预设的初始文本对一文本集进行检索，获得多个检索文本；步骤2，对该多个检索文本进行聚类，对每一类的检索文本分别执行摘要提取算法，以获得该类的线索文本；步骤3，利用每类的该线索文本进行检索，获得每类的多个扩充文本；步骤4，利用每类的该多个扩充文本进行特征提取，基于一预设的打分模型对提取得到的每类的特征进行打分，分数高于一阈值的类所对应的线索文本为有争议的新闻线索。本发明可从大量文本中自动发现有争议新闻线索，实现了海量信息的深层信息挖掘，且可不断完善信息挖掘的准确度、有效性。
-
公开(公告)号：CN110233833A
公开(公告)日：2019-09-13
申请号：CN201910433366.0
申请日：2019-05-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明的实施例提供了支持社交网络用户隐私保护的消息发送方法及系统，包括获取用户待发送的消息和用户对于该消息的隐私保护设置；获取用户的好友列表并对于每个好友，利用预先训练好的隐私泄露概率模型计算该消息通过其泄露给每个不可见对象的概率；以及从该用户的好友列表中选择满足所述隐私保护设置的最大子集，将所述消息发送给所选择的最大子集中的每个好友。本发明实施例的技术方案能准确地预测某个消息到达某个对象的可能性，在尽可能保证消息在好友中曝光度的同时，更有效地保护用户隐私。
-
公开(公告)号：CN110188284A
公开(公告)日：2019-08-30
申请号：CN201910341053.2
申请日：2019-04-25
Applicant: 中国科学院计算技术研究所
IPC: G06F16/9536 , G06F16/35 , G06Q50/00
Abstract: 本发明提出一种基于检索辅助的谣言检测方法及系统，包括：获取待谣言检测的对象信息，并使用谣言检测算法对该对象信息进行判定，得到该对象信息的初步谣言检测结果；集合已标记谣言标签的谣言信息作为谣言库，抽取得到该对象信息的关键词，以该关键词检索该谣言库，得到该谣言库中与该对象信息相似的多条相似谣言，计算每一条该相似谣言与该对象信息之间的相似度，以为每一条该相似谣言赋予权重，并根据每一条该相似谣言的谣言标签和权重，加权求和得到该多条相似谣言的辅助谣言检测结果；根据该初步谣言检测结果和该辅助谣言检测结果，综合判定该对象信息的谣言标签。
-
公开(公告)号：CN107918782A
公开(公告)日：2018-04-17
申请号：CN201711265210.3
申请日：2017-12-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种训练用于生成描述图像内容的自然语言的模型的方法，以及采用所述模型生成描述图像内容的自然语言的方法。其中，所述训练方法，包括：A1)将图像训练集中图像的全局特征以及局部特征作为注意力机制的输入，以获得同时包含全局特征以及局部特征的融合的结果；A2)将所述融合的结果和单词训练集作为长短记忆网络的输入，利用损失函数对所述注意力机制以及所述长短记忆网络进行训练，获得所述注意力机制的权值以及所述长短记忆网络的权值；其中，所述损失函数是已知图像的内容、以及描述所述图像内容的自然语句中前一个或多个单词时第i个单词的条件概率的函数，i＝1,…imax。
-
-
-
-
-
-
-
-
-
Search Results
217
records
(took 0.068 seconds)
