-
公开(公告)号：CN104615627B
公开(公告)日：2018-03-30
申请号：CN201410490602.X
申请日：2014-09-23
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
Abstract: 本发明涉及舆情事件提取技术，本发明公开了一种基于微博平台的事件舆情信息提取方法及系统，该方法包括：获取所述事件的关键词、起始时间、截止时间，并根据所述微博平台搜索服务的链接格式，构造待采样页面的页面链接；根据所述页面链接进行微博采样，生成样本微博，根据所述样本微博，计算所述事件的事件热度，并根据所述事件热度计算微博抓取周期；根据所述微博抓取周期，结合所述页面链接，获取与所述事件相关的微博页面。提取所述微博页面的微博信息，以完成提取所述事件的所述舆情信息。本发明获取事件舆情信息更全面而高效，能采集到实时的舆情信息。
-
公开(公告)号：CN104636408A
公开(公告)日：2015-05-20
申请号：CN201410414956.6
申请日：2014-08-21
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06F17/30705
Abstract: 本发明公开了一种基于用户生成内容的新闻认证预警方法及系统，其中该方法包括，通过对新闻线索进行语义扩展，获得参考数据，将该参考数据进行定向采集，获取该新闻线索相关的信息内容、传输模式、用户群体、用户群体的行为信息和属性信息等，对信息内容进行语义知识提取，将该语义知识进行进行聚类和相似度计算，识别与历史新闻线索数据库不匹配的新闻线索，并从语义知识对比、用户群体、传播模式和信息内容等方面对其进行可信度评估。最终形成UGC新闻真实性的分级度量和预警，为该新闻是否为真实信息提供决策支持。
-
公开(公告)号：CN104636408B
公开(公告)日：2017-08-08
申请号：CN201410414956.6
申请日：2014-08-21
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
Abstract: 本发明公开了一种基于用户生成内容的新闻认证预警方法及系统，其中该方法包括，通过对新闻线索进行语义扩展，获得参考数据，将该参考数据进行定向采集，获取该新闻线索相关的信息内容、传输模式、用户群体、用户群体的行为信息和属性信息等，对信息内容进行语义知识提取，将该语义知识进行进行聚类和相似度计算，识别与历史新闻线索数据库不匹配的新闻线索，并从语义知识对比、用户群体、传播模式和信息内容等方面对其进行可信度评估。最终形成UGC新闻真实性的分级度量和预警，为该新闻是否为真实信息提供决策支持。
-
公开(公告)号：CN104615627A
公开(公告)日：2015-05-13
申请号：CN201410490602.X
申请日：2014-09-23
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
CPC classification number: G06F17/2765
Abstract: 本发明涉及舆情事件提取技术，本发明公开了一种基于微博平台的事件舆情信息提取方法及系统，该方法包括：获取所述事件的关键词、起始时间、截止时间，并根据所述微博平台搜索服务的链接格式，构造待采样页面的页面链接；根据所述页面链接进行微博采样，生成样本微博，根据所述样本微博，计算所述事件的事件热度，并根据所述事件热度计算微博抓取周期；根据所述微博抓取周期，结合所述页面链接，获取与所述事件相关的微博页面。提取所述微博页面的微博信息，以完成提取所述事件的所述舆情信息。本发明获取事件舆情信息更全面而高效，能采集到实时的舆情信息。
-
公开(公告)号：CN104572807A
公开(公告)日：2015-04-29
申请号：CN201410594515.9
申请日：2014-10-29
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06Q50/01
Abstract: 本发明涉及微博新闻可信度领域，特别涉及一种基于微博信息源的新闻认证方法及系统，该方法包括：提取新闻的信息源，作为待认证信息源，获取与所述待认证信息源相对应用户的用户信息；获取所述用户的互粉比例、认证粉丝比例、粉丝数与关注数比例，并根据以上三个比例，获取所述用户的社交关系可信度值；获取所述用户的用户活跃度与历史微博平均影响力，将所述用户活跃度与所述历史微博平均影响力的乘积作为所述用户的社交行为可信度值；获取微博的评价舆情指数，同时查找所述微博的评论微博，并获取所述评论微博的评论舆情指数，将所述评价舆情指数与所述评论舆情指数作为社交评价可信度值；将以上三个可信度值进行线性加权求和作为综合可信度值。
-
Patent Agency Ranking
公开(公告)号：CN104572807B
公开(公告)日：2018-02-06
申请号：CN201410594515.9
申请日：2014-10-29
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
Abstract: 本发明涉及微博新闻可信度领域，特别涉及一种基于微博信息源的新闻认证方法及系统，该方法包括：提取新闻的信息源，作为待认证信息源，获取与所述待认证信息源相对应用户的用户信息；获取所述用户的互粉比例、认证粉丝比例、粉丝数与关注数比例，并根据以上三个比例，获取所述用户的社交关系可信度值；获取所述用户的用户活跃度与历史微博平均影响力，将所述用户活跃度与所述历史微博平均影响力的乘积作为所述用户的社交行为可信度值；获取微博的评价舆情指数，同时查找所述微博的评论微博，并获取所述评论微博的评论舆情指数，将所述评价舆情指数与所述评论舆情指数作为社交评价可信度值；将以上三个可信度值进行线性加权求和作为综合可信度值。
-
公开(公告)号：CN104536956A
公开(公告)日：2015-04-22
申请号：CN201410354273.6
申请日：2014-07-23
Applicant: 中国科学院计算技术研究所 , 新华通讯社
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30905
Abstract: 本发明公开了一种基于微博平台的事件可视化方法及系统，本发明涉及信息抽取及可视化技术，该方法包括根据该事件的关键词和时间范围，通过该微博平台的事件搜索接口，检索与该事件相关的该时间范围内的微博；将该微博按照时间进行排序，生成一个微博集合；该微博集合通过聚类算法，生成多个聚类子集；对该多个聚类子集进行关键词抽取，生成多个词云，并将重复出现在该多个词云中的该关键词赋予相同的颜色、位置、旋转方式；通过将每个该聚类子集和与其相对应的该词云进行展示的方式，将该事件进行可视化展示。依托微博平台，通过事件关键词对相关的微博进行采集，可以全面的获取关于某个事件的微博信息。
-
公开(公告)号：CN110472493B
公开(公告)日：2022-01-21
申请号：CN201910604601.6
申请日：2019-07-05
Applicant: 中国科学院计算技术研究所
IPC: G06K9/00
Abstract: 本发明提出一种基于一致性特征(ConsensusFeatures)的场景分割方法和系统，包括对特征提取器学习到的特征进行实例一致性变换和类别一致性变换，将变换后的特征输入到场景分割子网络，得到原始图像的场景分割结果。本发明提出了一种通过实例一致性变换单元去学习实例层次的一致性特征。另一方面，由于在场景图像中存在着多个同类实例，本发明使用类别一致性单元去学习类层次的一致性特征。这两个单元极大地提高了现有基于全卷积的场景分割模型的性能。
-
公开(公告)号：CN110472493A
公开(公告)日：2019-11-19
申请号：CN201910604601.6
申请日：2019-07-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于一致性特征(ConsensusFeatures)的场景分割方法和系统，包括对特征提取器学习到的特征进行实例一致性变换和类别一致性变换，将变换后的特征输入到场景分割子网络，得到原始图像的场景分割结果。本发明提出了一种通过实例一致性变换单元去学习实例层次的一致性特征。另一方面，由于在场景图像中存在着多个同类实例，本发明使用类别一致性单元去学习类层次的一致性特征。这两个单元极大地提高了现有基于全卷积的场景分割模型的性能。
-
公开(公告)号：CN110443818A
公开(公告)日：2019-11-12
申请号：CN201910588880.1
申请日：2019-07-02
Applicant: 中国科学院计算技术研究所
IPC: G06T7/12
Abstract: 本发明提出一种基于涂鸦的弱监督语义分割方法与系统，包括：获取多张训练图片，训练图片均对应有涂鸦标记和边缘图；选取训练图片作为当前图片，将当前图片输入至语义分割网络，得到当前图片的高层语义特征；将高层语义特征输入至预测修正网络，得到当前图片的分割结果图，并根据当前图片的涂鸦标记，得到当前图片中涂鸦标记区域的交叉熵损失；将高层语义特征输入至边界回归网络，得到当前图片中目标的边界图，并根据当前图片的边缘图，得到边界图中边界区域的均值方差损失；构建总损失函数，并判断总损失函数是否收敛，若是，则将当前预测修正网络作为语义分割模型；将待语义分割的图片输入至语义分割模型，得到待语义分割的图片的分割结果图。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.059 seconds)
