公开(公告)号：CN113761215A

公开(公告)日：2021-12-07

申请号：CN202110321491.X

申请日：2021-03-25

申请人： 中科天玑数据科技股份有限公司 ,  国家计算机网络与信息安全管理中心

发明人： 赵忠华 ,  李建广 ,  余智华 ,  王禄恒 ,  陈欣洁 ,  赵志云 ,  冯凯 ,  葛自发 ,  杜漫 ,  孙小宁 ,  穆庆伟 ,  万欣欣 ,  申双成 ,  李欣 ,  孙立远 ,  付培国 ,  王晴 ,  杜宛真

IPC分类号： G06F16/36 ,  G06F16/35 ,  G06F40/242 ,  G06F40/295

摘要： 本发明公开了一种基于反馈自学习的动态字典库生成方法，包括以下步骤：S1、字典库定义；S2、基于字典库分类体系；S4、基于语料库导出的标注数据，配合模型参数调整，逐步迭代优化模型；S5、将S4步生成的预测数据回填到字典库。有益效果：该方法通过概念模式定义、自然语言处理技术、全流程调度机制，实现从原始语料概念模式定义生成基础字典库，在基础字典库基础上进行标注模型的自动构建、迭代训练及修正，最后再利用标注模型来进行新的语料数据标注，反馈更新字典库，实现从标注训练到反馈自学习的闭环流程，达到模型自动逐步优化能力。最终实现字典库的自动完善，标注模型逐步优化的全自动循环过程。

公开(公告)号：CN111353300B

公开(公告)日：2023-09-01

申请号：CN202010093817.3

申请日：2020-02-14

申请人： 中科天玑数据科技股份有限公司 ,  国家计算机网络与信息安全管理中心

发明人： 王立成 ,  刘贺鹏 ,  李欣 ,  赵忠华 ,  付培国 ,  王禄恒 ,  万欣欣 ,  孙立远 ,  张冰 ,  杜漫 ,  余智华

IPC分类号： G06F40/284 ,  G06F40/289 ,  G06F18/214 ,  G06F18/241

摘要： 本发明提供了一种数据集构建方法及装置，包括步骤：数据采集，获取来自互联网数据源的第一数据，所述第一数据包括自然语言，所述第一数据经过预处理后，生成第二数据；数据特征分析，所述第二数据包括子数据，所述子数据包括第一特征数据，分析所述第一特征数据，得出所述第一特征数据的特征度；数据标签建立，根据所述第一特征数据的特征度确定所述子数据标签；数据分类存储，根据所述子数据标签将所述子数据分类保存，保存为数据集。实时采集互联网中的数据；根据特征数据和特征度提取对应的标签；通过所述子数据标签将所述子数据进行分类提高提取速度，提高工作效率。本发明提供了一种相关信息获取方法及装置，提高准确性，提高工作效率。

公开(公告)号：CN111353300A

公开(公告)日：2020-06-30

申请号：CN202010093817.3

申请日：2020-02-14

申请人： 中科天玑数据科技股份有限公司 ,  国家计算机网络与信息安全管理中心

发明人： 王立成 ,  刘贺鹏 ,  李欣 ,  赵忠华 ,  付培国 ,  王禄恒 ,  万欣欣 ,  孙立远 ,  张冰 ,  杜漫 ,  余智华

IPC分类号： G06F40/284 ,  G06F40/289 ,  G06K9/62

摘要： 本发明提供了一种数据集构建方法及装置，包括步骤：数据采集，获取来自互联网数据源的第一数据，所述第一数据包括自然语言，所述第一数据经过预处理后，生成第二数据；数据特征分析，所述第二数据包括子数据，所述子数据包括第一特征数据，分析所述第一特征数据，得出所述第一特征数据的特征度；数据标签建立，根据所述第一特征数据的特征度确定所述子数据标签；数据分类存储，根据所述子数据标签将所述子数据分类保存，保存为数据集。实时采集互联网中的数据；根据特征数据和特征度提取对应的标签；通过所述子数据标签将所述子数据进行分类提高提取速度，提高工作效率。本发明提供了一种相关信息获取方法及装置，提高准确性，提高工作效率。

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

申请人： 国家计算机网络与信息安全管理中心

发明人： 李欣 ,  赵志云 ,  葛自发 ,  孙小宁 ,  张冰 ,  万欣欣 ,  袁钟怡 ,  赵忠华 ,  孙立远 ,  付培国 ,  王禄恒 ,  王晴

IPC分类号： G06F16/28 ,  G06F16/33 ,  G06F16/951 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 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：CN110134876B

公开(公告)日：2021-10-26

申请号：CN201910360276.3

申请日：2019-04-30

申请人： 国家计算机网络与信息安全管理中心 ,  北京航空航天大学

发明人： 付培国 ,  赵忠华 ,  李红 ,  王禄恒 ,  万欣欣 ,  李欣 ,  何润龙 ,  张志豪 ,  吴俊杰 ,  袁昆 ,  林浩

IPC分类号： G06F16/9536 ,  G06F16/35 ,  G06Q50/00

摘要： 本发明公开了一种基于群智传感器的网络空间群体性事件感知与检测方法，属于数据挖掘领域，具体步骤如下：一、收集每日的微博流数据；步骤二、根据微博账号的影响力筛选用于感知网络空间群体性事件的传感器账号；步骤三、对传感器账号的微博数据进行去噪处理；步骤四、对去噪后的微博数据按评论转发数进行排序；步骤五、对排序后的微博数据进行去重处理；步骤六、识别出相关事件涉及的时间地点和人物；步骤七、提取与事件相关的微博数据，对该事件进行分类并计算各微博内容的敏感值。本发明通过筛选具有影响力的媒体和用户账号组成群智传感器网络对网络空间群体性事件进行感知，无需对大规模微博数据进行挖掘，有效节省了计算和时间成本。

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

申请人： 国家计算机网络与信息安全管理中心

发明人： 李欣 ,  赵志云 ,  葛自发 ,  孙小宁 ,  张冰 ,  万欣欣 ,  袁钟怡 ,  赵忠华 ,  孙立远 ,  付培国 ,  王禄恒 ,  王晴

IPC分类号： G06Q10/06

摘要： 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：CN113256079A

公开(公告)日：2021-08-13

申请号：CN202110490584.5

申请日：2021-05-06

申请人： 国家计算机网络与信息安全管理中心

发明人： 孙立远 ,  王禄恒 ,  葛自发 ,  万欣欣 ,  李欣

IPC分类号： G06Q10/06

摘要： 本发明公开了一种特定领域的国际组织影响力的量化评价方法，包括：获取特定领域的每一国际组织信息和每一国际组织的每一成员信息；将国际组织影响力划分为多个维度，每个维度划分为多个指标，每个指标包含不同的国际组织信息和/或国际组织的成员信息，根据每个指标包含的国际组织信息和/或国际组织的成员信息计算特定领域的每一国际组织每个指标的指标值，再对每个指标值进行无量纲化处理；计算待评价国际组织其中一个维度的维度总分；为待评价国际组织每个维度的维度总分分配权重，将待评价国际组织的所有维度的维度总分加权求和得到待评价国际组织的影响力得分。本发明实现了定领域下的国际组织的影响力自动评价推荐的业务需求。

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

申请人： 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

发明人： 赵忠华 ,  余在洋 ,  王禄恒 ,  张磊 ,  赵志云 ,  王勇 ,  葛自发 ,  孙小宁 ,  万欣欣 ,  李欣 ,  孙立远 ,  付培国 ,  王晴 ,  杜宛真

IPC分类号： G06F40/126 ,  G06F40/216 ,  G06F40/242 ,  G06F40/284 ,  G06F40/295 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

摘要： 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：CN112069312A

公开(公告)日：2020-12-11

申请号：CN202010806716.6

申请日：2020-08-12

申请人： 中国科学院信息工程研究所 ,  国家计算机网络与信息安全管理中心

发明人： 王树鹏 ,  孙立远 ,  赵忠华 ,  张磊 ,  王博 ,  王勇 ,  付培国 ,  王泽辰 ,  王禄恒 ,  万欣欣 ,  李欣

IPC分类号： G06F16/35 ,  G06F40/295 ,  G06F40/30 ,  G06F16/9535

摘要： 本发明提供一种基于实体识别的文本分类方法，包括：对待检测文本进行切词，得到情感词与实体词，并通过一实体及情感类别已标注数据集判断实体词的情感类别；对待检测文本进行断句，通过情感词与标注情感类别的实体词在每一句子中的词性、否定词及标点符号内容，获取各句子的情感类别；依据各句子的情感类别，得到待检测文本的情感类别。本发明利用半监督学习的方式，通过协同训练加主动学习的方式，结合学习加情感规则的方式，确定指向性实体集；通过识别指定方向实体，结合情感词进行倾向性判断；生成指定类别实体集，结合情感规则，实现对文本更深层次的分析。

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

申请人： 国家计算机网络与信息安全管理中心

发明人： 王禄恒 ,  赵志云 ,  孙小宁 ,  葛自发 ,  赵忠华 ,  万欣欣 ,  李欣 ,  孙立远 ,  袁忠怡 ,  张冰 ,  付培国 ,  王晴

IPC分类号： G06F16/35 ,  G06F16/31 ,  G06F16/335

摘要： 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。