-
公开(公告)号：CN112214558B
公开(公告)日：2023-08-15
申请号：CN202011296138.2
申请日：2020-11-18
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/28 , G06F16/33 , G06F16/951 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了一种主题相关度判别方法及装置，方法包括：对获取的网页构建网页特征向量；利用预先训练的语义向量空间模型对选定的主题特征向量与网页特征向量之间的相似度进行计算；筛选出相似度高于预设值的网页特征向量。本申请结合了语义向量相似度计算和机器学习方法的优点，相比于现有技术，可以实现较高的判别精度，并且本申请在训练样本的筛选上也作出了不同于现有技术的改进。
-
公开(公告)号：CN109145109B
公开(公告)日：2022-06-03
申请号：CN201710464424.7
申请日：2017-06-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/2458 , G06Q50/00
Abstract: 本发明涉及一种基于社交网络的用户群体消息传播异常分析方法和装置，包括：获取在线社交网络中用户群体的历史聊天记录，根据预先设定的时间跨度，获取历史聊天记录在时间跨度内用户群体中所有用户所发布的消息，作为消息集合；对于消息集合，根据预先设定的时间范围统计用户群体在每个时间范围内所发布的消息总数；基于时序相关性的特征提取法，对每个消息总数的特征进行提取，并将提取结果集合为样本集合；根据消息总数并采用聚类算法为样本集合对样本集合进行聚类，生成异常样本；根据异常样本判定其所在的用户群体存在消息传播异常。由此本发明能够应对数据涌发现象，同时算法直观简单，准确率更高，且本发明应用场景广泛。
-
公开(公告)号：CN113313379A
公开(公告)日：2021-08-27
申请号：CN202110586002.3
申请日：2021-05-27
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06Q10/06
Abstract: 本发明提供一种确定事件角色影响力指数的方法、装置及存储介质，包括：对各角色类别中的角色个体划分为一级指标和二级指标；根据角色类别及特定限制信息，提取所有满足所述限制信息的角色个体对应的二级指标中各指标的数值，计算并形成信息矩阵；对所提取形成的信息矩阵，利用熵权法计算二级指标的权重；针对二级指标权重利用变异系数法计算一级指标权重；将每个二级指标权重与其对应一级指标权重相乘，得到每个二级指标的综合权重；将目标角色个体的各二级指标对应的值与每个二级指标的综合权重相乘求和，得到所述目标角色个体的影响力指数。通过本发明的方法，能够计算出事件角色影响力，用于各领域角色影响力量化分析。
-
公开(公告)号：CN113239663A
公开(公告)日：2021-08-10
申请号：CN202110309085.1
申请日：2021-03-23
Applicant: 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
IPC: G06F40/126 , G06F40/216 , G06F40/242 , G06F40/284 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知网的多义词中文实体关系识别方法，其步骤包括：1)对中文网事数据中的每一条语料样本基于知网进行字颗粒度的向量化，得到每一个字对的字颗粒度向量；然后对每一字颗粒度向量所在的位置信息进行编码，得到语料中每个字与预标注的待识别实体关系对的相对位置编码；2)根据步骤1)所得结果生成每一语料样本的字颗粒度语义向量集合；3)基于知网生成每一语料的词颗粒度语义向量集合；4)利用各语义向量及其对应位置编码训练深度自注意力神经网络，得到深度自注意力神经网络编码器；5)生成待处理语料中字和词汇的语义向量及其对应位置编码输入深度自注意力神经网络编码器，得到该待处理语料中的实体关系。
-
公开(公告)号：CN111694952A
公开(公告)日：2020-09-22
申请号：CN202010299741.X
申请日：2020-04-16
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F16/31 , G06F16/335
Abstract: 本发明公开了一种基于微博的大数据分析模型系统及其实现方法，该实现方法包括以下步骤：步骤1、首先对收集的数据进行清洗和预处理工作，然后对数据进行人工标注；步骤2、模型训练阶段，采用SVM、cnnrnn结合Bert预训练模的方式进行模型训练；步骤3、在次人工标注的训练集上进行模型训练；步骤4、通过对比真实数据标签和预测结果，不断迭代优化通过不断的迭代优化参数调优的方式得到最佳模型；步骤5、在海量的文章中聚类，通过simHash算法，对文章内容进行局部HASH；步骤6、把选择出来的HASH对应的文章查询出来，再通过机器学习的算法进行聚类。本发明能够在保证模型准确率的基础上可以有效地减少机器需求，提高模型的准确率以及鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN106557552B
公开(公告)日：2020-08-21
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
IPC: G06F16/9535 , G06F16/335 , G06F16/35 , G06Q50/00
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：CN106126606B
公开(公告)日：2019-08-20
申请号：CN201610453319.9
申请日：2016-06-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/2458 , G06F16/33
Abstract: 本发明公开了一种短文本新词发现方法。本方法为：1)从当前短文本中提取一字符串s，计算该字符串s的对称条件概率SCP(s)以及该字符串s的左邻熵HL(s)和右邻熵HL(s)；2)取左邻熵HL(s)和右邻熵HL(s)的较小值，记为BE(s)；3)计算该字符串s的成词概率Prword(s)，根据Prword(s)的值确定词s是否为新词。本发明大大提高了新词发现的准确率。
-
公开(公告)号：CN106503859A
公开(公告)日：2017-03-15
申请号：CN201610963409.2
申请日：2016-10-28
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明提出一种基于在线社会关系网络的消息传播预测方法及装置，涉及社交媒体及大数据技术领域，该方法包括步骤1，对于一条消息d，获取其发出后在[0,T]时间段内，用户对其关注行为到达的时间序列；步骤2，对所述时间序列进行建模，对建模生成的模型进行学习，训练出所述模型的模型参数，根据所述模型参数，获取消息流行度预测函数。本发明能够应对数据涌发现象；通过MAPE对比，该方法准确率更高；形式灵活，可以应用到其他应用场景。
-
公开(公告)号：CN106168969A
公开(公告)日：2016-11-30
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: G06F17/30
CPC classification number: G06F17/3089
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：CN106126605A
公开(公告)日：2016-11-16
申请号：CN201610453205.4
申请日：2016-06-21
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
Abstract: 本发明公开了一种基于用户画像的短文本分类方法。本方法为：1)基于用户发出的短文本数据生成对应用户的用户画像；其中，用户ui的用户画像为用户ui属于类别ci的值；2)采用分类器对该用户ui的短文本TS进行分类，得到该短文本TS所属类别的可能性F＝{f1,...,fi,...,fm}；3)根据用户ui的用户画像与F＝{f1,...,fi,...,fm}计算该短文本TS属于各类别的值，选出最大的类别结果作为该短文本TS的类别标签。本发明大大增加了分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.082 seconds)
