-
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：CN119364140A
公开(公告)日：2025-01-24
申请号：CN202411377010.7
申请日：2024-09-30
Applicant: 中国科学院计算技术研究所
IPC: H04N21/854 , G06V10/766 , G06V10/776 , G06V10/40 , H04N21/472
Abstract: 本发明提出一种基于实体和位置关系的轨迹引导视频生成方法和装置，包括：获取待编辑的视频帧及其对应的运动轨迹，视频帧中包括多个实体；提取步骤，以每个实体为中心建立极坐标系，通过将相邻实体边界框的四维向量转换为极坐标向量，得到实体间的相对位置，结合相对位置和视频帧的实体语义信息，得到视频帧的图像特征；初始化零矩阵，根据运动轨迹的轨迹序列点嵌入图像特征，得到实体表示；将实体表示和运动轨迹输入编码器，得到编码结果，将编码结果与高斯噪声相叠加后输入去噪扩散模型，获得多个不同分辨率的特征作为潜在条件信号，最后通过解码器对潜在条件信号进行解码，得到重构视频，作为视频帧在运动轨迹下的视频生成结果。
-
公开(公告)号：CN117710850A
公开(公告)日：2024-03-15
申请号：CN202311575656.1
申请日：2023-11-23
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于时空分解与对齐的端到端动作视频生成方法，包括：构建视频生成模型，以一组姿势关键点、参考前景及参考背景作为该视频生成模型的模型输入，以目标动作视频作为该视频生成模型的模型输出；将该目标动作视频的原始视频空间分解为多组时空子空间，通过动作流引导使各组时空子空间的子空间特征对齐；将对齐后的各组时空子空间恢复为该原始视频空间，并得到该目标动作视频。本发明还提出一种基于时空分解与对齐的端到端动作视频生成系统，以及一种用于实现基于时空分解与对齐的端到端动作视频生成的数据处理装置。
-
公开(公告)号：CN113627498B
公开(公告)日：2024-03-12
申请号：CN202110854800.X
申请日：2021-07-28
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/774 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种人物丑化图像识别模型训练方法，包括以下步骤：将真实图像样本输入到丑化分类器中进行训练以使该其具有图像分类和图像特征提取的功能；冻结该丑化分类器的网络参数并将其作为图像特征提取器，将噪声和该真实图像样本输入到分类有益生成对抗网络进行训练以使其具有生成合成图像样本的功能；将该分类有益生成对抗网络生成的合成图像样本输入到该丑化分类器中进行进一步训练，得到该丑化分类器即为该人物丑化图像识别模型。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.053 seconds)
