公开(公告)号：CN109741198B

公开(公告)日：2021-03-05

申请号：CN201811434864.9

申请日：2018-11-28

Applicant: 中国科学院计算技术研究所

Inventor： 程学旗 ,  曹婍 ,  沈华伟 ,  高金华 ,  刘盛华

IPC: G06Q50/00 ,  G06F30/20

Abstract: 本发明涉及一种网络信息传播影响力度量方法、系统，包括：根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；将社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在传播源下被激活的概率；以历史传播数据为训练数据，以概率的对数似然最大作为目标，对所有激活对使用随机梯度下降进行参数学习，得到节点间影响力，以得到传播源集合的影响力度量。本发明提出的基于数据驱动的影响力最大化方法直接基于本发明学习得到的影响力度量，对节点的边际效应进行估计，以高效地进行影响力最大化的节点集合选择。

公开(公告)号：CN109741198A

公开(公告)日：2019-05-10

申请号：CN201811434864.9

申请日：2018-11-28

Applicant: 中国科学院计算技术研究所

Inventor： 程学旗 ,  曹婍 ,  沈华伟 ,  高金华 ,  刘盛华

IPC: G06Q50/00 ,  G06F17/50

Abstract: 本发明涉及一种网络信息传播影响力度量方法、系统，包括：根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；将社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在传播源下被激活的概率；以历史传播数据为训练数据，以概率的对数似然最大作为目标，对所有激活对使用随机梯度下降进行参数学习，得到节点间影响力，以得到传播源集合的影响力度量。本发明提出的基于数据驱动的影响力最大化方法直接基于本发明学习得到的影响力度量，对节点的边际效应进行估计，以高效地进行影响力最大化的节点集合选择。

公开(公告)号：CN119513312A

公开(公告)日：2025-02-25

申请号：CN202411503651.2

申请日：2024-10-25

Applicant: 中国科学院计算技术研究所

Inventor： 陈翠婷 ,  薛源海 ,  贺广福 ,  高金华 ,  俞晓明 ,  刘悦 ,  沈华伟 ,  程学旗

IPC: G06F16/353 ,  G06F16/334 ,  G06F40/186 ,  G06F18/241

Abstract: 本发明提供了一种针对文本的讽刺检测方法，包括：获取待分析文本及其讽刺上下文信息，其中，讽刺上下文信息是指用于辅助判断待分析文本是否带有讽刺情绪的语境信息；根据待分析文本及其讽刺上下文信息，评估待分析文本的讽刺上下文信息的充足性；在待分析文本的讽刺上下文信息不充足的情况下，根据预设的上下文信息检索库提供补充的上下文信息，得到更新的讽刺上下文信息；根据待分析文本及其最新的讽刺上下文信息，确定待分析文本是否带有讽刺的情绪。

公开(公告)号：CN114077705A

公开(公告)日：2022-02-22

申请号：CN202111120139.6

申请日：2021-09-24

Applicant: 中国科学院计算技术研究所

Inventor： 王永庆 ,  史铂深 ,  沈华伟 ,  高金华 ,  庞亮 ,  程学旗

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明实施例提供了一种对社交平台上的媒体账号进行画像的方法和系统，该方法包括：获取社交平台的账号信息，识别其中符合第一筛选条件的媒体账号以构建第一集合，采集第一集合内的媒体账号的属性数据和历史贴文数据并存储于数据库，第一筛选条件包括地域条件和媒体类型条件；标注种子媒体账号，根据种子媒体账号从数据库检索符合第二筛选条件的关联媒体账号以共同构建第二集合，第二筛选条件从粉丝数、活跃度、双向信息交流的频次、新闻相关性中的至少一个方面进行筛选；基于第二集合中各个媒体账号的属性数据和历史贴文数据，从多个维度对相应媒体账号进行画像，得到多个维度的指标，并根据多个维度的指标计算媒体价值指数以标识媒体价值。

公开(公告)号：CN114065749A

公开(公告)日：2022-02-18

申请号：CN202111332368.4

申请日：2021-11-11

Applicant: 中国科学院计算技术研究所

Inventor： 王永庆 ,  骆宣朴 ,  史铂深 ,  沈华伟 ,  高金华 ,  庞亮 ,  程学旗

IPC: G06F40/279 ,  G06F40/289 ,  G06F40/216 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种面向文本的粤语识别系统的训练方法，所述方法包括：A1、获取粤语和普通话文本语料，对语料所属语种进行人工标注以获得标注数据集，采用改进停用词表过滤标注数据集并进行分词获得训练数据集；A2、利用步骤A1中获得的训练数据集，训练浅层网络至收敛以获得粤语识别模型；A3、构建粤语特色词表，以步骤A1中获得的训练数据集中的语料为输入、以语料是否为粤语的判断结果为输出，基于粤语特色词表构建用于检索语料是否命中粤语特色词表的规则匹配模型；A4、以步骤A1中获得的训练数据集中的语料为输入、以语料是否为繁体中文的判断结果为输出构建简繁识别模型；A5、以粤语识别模型、规则匹配模型和简繁识别模型的输出训练融合模块。

公开(公告)号：CN115391522A

公开(公告)日：2022-11-25

申请号：CN202210921496.0

申请日：2022-08-02

Applicant: 中国科学院计算技术研究所

Inventor： 高金华 ,  赵鑫 ,  沈华伟 ,  王永庆 ,  庞亮 ,  孟剑 ,  程学旗

IPC: G06F16/35 ,  G06F40/30 ,  G06F40/258 ,  G06F40/295 ,  G06Q50/00 ,  G06N3/08

Abstract: 本发明提出一种基于社交平台元数据的文本主题建模方法和系统，包括基于文本数据的关键词，构建文本数据的词袋表示；基于文本数据的元数据类别，训练对应类别的属性值预测任务，以微调预训练语义提取模型，得到目标语义提取模型，使用目标语义提取模型提取文本数据的文本语义表示；基于文本语义表示构造语义约束目标，以语义约束目标为指导，以词袋表示作为输入和重构目标，训练基于变分自编码器的神经主题模型，得到主题提取模型，并从模型中导出主题‑关键词分布和主题嵌入表示。方法及系统可以对移动应用内广泛存在的短文本消息进行主题建模，提取出主题的关键词并学习得到主题的嵌入表示。