网络水军的检测方法及装置

    公开(公告)号:CN103795592A

    公开(公告)日:2014-05-14

    申请号:CN201410027720.7

    申请日:2014-01-21

    Abstract: 本发明涉及一种网络水军的检测方法及装置。其中,网络水军的检测方法包括:步骤一,将原始的用户描述信息表示为归一化的用户描述向量,从用户描述向量中筛选出已分类数据,将该已分类数据的a%作为深度信念网络DBN模型的训练数据,将该已分类数据的b%作为DBN模型的检测数据;步骤二,用训练数据训练DBN模型,输出训练得到的DBN模型;步骤三,检验输出DBN模型的收敛性和判定准确率,根据检验结果调整所述步骤一和步骤二中的相关参数,直至所述输出DBN模型达到预设收敛条件或终止条件;步骤四,使用最终DBN模型对网络水军进行检测。本发明的网络水军的检测方法及装置,既提高了网络水军检测算法的收敛性和准确率,又缩短了海量样本数据下的模型训练时间。

    网络水军的检测方法及装置

    公开(公告)号:CN103795592B

    公开(公告)日:2017-01-25

    申请号:CN201410027720.7

    申请日:2014-01-21

    Abstract: 本发明涉及一种网络水军的检测方法及装置。其中,网络水军的检测方法包括:步骤一,将原始的用户描述信息表示为归一化的用户描述向量,从用户描述向量中筛选出已分类数据,将该已分类数据的a%作为深度信念网络DBN模型的训练数据,将该已分类数据的b%作为DBN模型的检测数据;步骤二,用训练数据训练DBN模型,输出训练得到的DBN模型;步骤三,检验输出DBN模型的收敛性和判定准确率,根据检验结果调整所述步骤一和步骤二中的相关参数,直至所述输出DBN模型达到预设收敛条件或终止条件;步骤四,使用最终DBN模型对网络水军进行检测。本发明的网络水军的检测方法及装置,既提高了网络水军检测算法的收敛性和准确率,又缩短了海量样本数据下的模型训练时间。

    一种基于混合语义矩阵的视频推荐方法

    公开(公告)号:CN104834686B

    公开(公告)日:2018-12-28

    申请号:CN201510184876.0

    申请日:2015-04-17

    Abstract: 本发明涉及一种基于混合语义矩阵的视频推荐方法,其步骤包括:1)对视频描述信息进行分词,根据词频提取关键词作为视频描述标签;2)通过Word2vec工具对包含所述视频描述标签在内的各视频标签进行向量化;3)采用熵化法得到各视频标签的权重,并构建具有权重的混合语义矩阵,通过所述混合语义矩阵表示视频与其标签之间的对应关系;4)根据所述混合语义矩阵,将视频的相似性计算转化为向量的相似度计算,实现对用户的个性化视频推荐。本发明在继承内容过滤推荐算法简单、高效的特点的同时,实现了智能特征提取和标签量化、权重分配,避免了这个过程中的专家参与,提高了视频推荐的准确率。

    一种基于混合语义矩阵的视频推荐方法

    公开(公告)号:CN104834686A

    公开(公告)日:2015-08-12

    申请号:CN201510184876.0

    申请日:2015-04-17

    Abstract: 本发明涉及一种基于混合语义矩阵的视频推荐方法,其步骤包括:1)对视频描述信息进行分词,根据词频提取关键词作为视频描述标签;2)通过Word2vec工具对包含所述视频描述标签在内的各视频标签进行向量化;3)采用熵化法得到各视频标签的权重,并构建具有权重的混合语义矩阵,通过所述混合语义矩阵表示视频与其标签之间的对应关系;4)根据所述混合语义矩阵,将视频的相似性计算转化为向量的相似度计算,实现对用户的个性化视频推荐。本发明在继承内容过滤推荐算法简单、高效的特点的同时,实现了智能特征提取和标签量化、权重分配,避免了这个过程中的专家参与,提高了视频推荐的准确率。

Patent Agency Ranking