一种基于多元特征融合的突发事件分类方法

    公开(公告)号:CN113420117A

    公开(公告)日:2021-09-21

    申请号:CN202110699105.0

    申请日:2021-06-23

    Abstract: 本发明提供了一种基于多元特征融合的突发事件分类方法。该方法包括:根据文本间的依存句法关系自动抽取突发事件领域文本的模式特征,计算相关度以过滤模式特征并分配相应的权重,获取目标语句归属于某种事件类别的概率;根据模式特征匹配的识别结果,建立模式特征与门控循环单元输出特征耦合的双层注意力网络;基于双层耦合注意力机制和双向门控循环单元建立多元特征联合学习的框架模型;采用最小化损失函数的方法训练模型;基于模型参数检测突发事件类型。本发明可以将模式特征匹配输出和门控循环单元特征输出进行融合,结合模式特征匹配方法和注意力机制方法的优点,从多元角度对事件信息进行挖掘,可以更加准确地对突发事件类型进行分类。

    网络舆论的演化趋势的预测方法和装置

    公开(公告)号:CN105243448A

    公开(公告)日:2016-01-13

    申请号:CN201510670653.5

    申请日:2015-10-13

    Abstract: 本发明实施例提供了一种网络舆论的演化趋势的预测方法和装置。所述方法,包括如下步骤:从网络采集数据,根据获得数据,生成在各个时间区间中针对同一主题的情感倾向为支持态度的帖子数量与帖子总数量之间的统计比值fpos(t);根据个体行为的特点,建立用户行为驱动的观点交互模型;根据所述统计比值fpos(t)与观点交互模型,生成所述观点交互模型的系统参数的最优值;根据所述系统参数的最优值,生成所述观点交互模型的长时变化曲线;对所述长时变化曲线进行拟合,生成情感变化曲线函数y(t);使用所述统计比值fpos(t)在时间区[0,T]间的值,生成所述情感变化曲线函数y(t)的因子的最优值;生成所述因子的最优值下的所述情感变化曲线函数y(t)的稳态值,作为所述同一主题的演化趋势的预测值。

    一种基于计算几何的高效、快速的地铁裂缝主干提取算法及系统

    公开(公告)号:CN103488989A

    公开(公告)日:2014-01-01

    申请号:CN201310407779.4

    申请日:2013-09-09

    Abstract: 本发明属于轨道交通技术领域,特别涉及一种基于计算几何的高效、快速的地铁裂缝主干提取算法及系统,机器识别连通的裂缝的算法流程,首先定义一个空的待访问队列Cn,以及一个空的存储空间Cxy;裂缝区域凸多边形的构造,根据上一步运算得到的所有裂缝像素点的横纵坐标,经过运算,可以得到由裂缝像素点集所构成的一个凸多边形;采用矩形框标识裂缝主干,由以上所述两个步骤可以得到凸多边形,得到凸多边形的基础上,识别裂缝的主干区域,并使用匹配的矩形框把相应区域标识出来;本发明的益处在于:此裂缝主干提取算法及系统结合了自动检测及人工检测的优势,人工工作量大大降低,而且精度得到保证,是一个较好的裂缝主干提取算法及系统。

    社交网络节点影响力排序方法及系统

    公开(公告)号:CN109242710A

    公开(公告)日:2019-01-18

    申请号:CN201810931729.9

    申请日:2018-08-16

    Abstract: 本发明提供了一种社交网络节点影响力排序方法及系统,涉及数字信息处理技术领域,该方法首先收集用户个人主页信息、用户发帖信息和用户对信息,对个人主页信息、用户发帖信息和用户对信息进行预处理,形成训练集和测试集;然后根据训练集,建立帖子的转移矩阵模型,对转移矩阵模型进行仿真计算,获取最优训练参数;最后根据测试集结合最优训练参数建立帖子转发的测试转移矩阵,对测试转移矩阵进行计算,获取所述社交网络节点影响力排序结果。本发明能够发现隐藏节点关注可能性,从而对动态信息不完整、缺失较严重的数据网络进行影响力排名分析;能够在因缺失社交网络数据的情况下,更加准确的分析社交网络节点影响力。

    基于态势评估的网络热点话题发现方法及系统

    公开(公告)号:CN101980199A

    公开(公告)日:2011-02-23

    申请号:CN201010529273.7

    申请日:2010-10-28

    Abstract: 本发明公开了一种基于态势评估的网络热点话题发现方法及系统。其中,该方法包括:实时获取网络论坛数据;对所述网络论坛数据进行语料预处理,提取候选词串;基于所述候选词串,形成向量形式的特征集合以表示每条帖子;对所述帖子进行聚类,依据聚类结果获取发现的热点话题并进行量化;对聚类产生的热点话题进行态势评估,并依据态势评估结果,修正所述发现的热点话题。本发明综合利用话题发现与跟踪算法和态势评估思想,进行可选择与可定制处理过程的算法组织形式,对文本信息进行分析与数据挖掘,对热点话题发现。实验结果验证了本发明的有效性和准确性,具有很大的实用价值。

    一种基于证据推理的舆情管理方法、产品、介质及设备

    公开(公告)号:CN119398166A

    公开(公告)日:2025-02-07

    申请号:CN202411416998.3

    申请日:2024-10-11

    Abstract: 本申请公开了一种基于证据推理的舆情管理方法、产品、介质及设备,涉及数据挖掘与分析技术领域,该方法包括:获取多个数据源的原始舆情数据;对原始舆情数据进行预处理,得到预处理后的舆情数据;采用情感分析模型和主题生成模型对预处理后的舆情数据进行情感倾向打分,得到情感分数;基于情感分数,采用Dempster‑Shafer证据理论得到综合情感分数;根据综合情感分数进行舆情状态分析及响应策略制定,完成舆情管理。本申请可有效提高舆情管理的效率和准确性。

    基于重点元素的矩阵分解及微调方法

    公开(公告)号:CN105976070A

    公开(公告)日:2016-09-28

    申请号:CN201610366251.0

    申请日:2016-05-27

    Inventor: 刘云 张致远 熊菲

    CPC classification number: G06Q10/04 G06F16/9535 G06Q30/0271

    Abstract: 本发明提供了一种基于重点元素的矩阵分解及微调方法。该方法主要包括:采集用户对于商品的评分信息,根据评分信息组成稀疏评分矩阵R;根据稀疏评分矩阵R初始化两个低维矩阵P,Q,将低维矩阵P和Q相乘得到预测矩阵设置基于稀疏评分矩阵R和预测矩阵之间的差值最小化的目标函数;通过迭代过程优化目标函数得到低维矩阵P,Q,以及预测矩阵对预测矩阵进行微调更新,得到最终的预测矩阵。本发明针对矩阵分解算法中存在的不足,通过对算法的改进,提出了基于重点元素的快速矩阵分解及微调算法,该算法提高了矩阵分解效率和分解速度的同时,提升了推荐的准确性。

Patent Agency Ranking