-
公开(公告)号:CN110334264A
公开(公告)日:2019-10-15
申请号:CN201910608243.6
申请日:2019-07-08
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F16/951 , G06F16/9535 , G06Q50/00
Abstract: 本发明提出一种针对异构动态信息网络的社区检测方法及装置,对从网络中爬取的数据构建的动态异构信息网络进行社区检测。本装置包括动态网络生成模块、基础网络社区检测模块、动态社区检测模块和基于增量的社区结构更新模块。本方法包括:对待研究数据建立基础网络和增量序列,基础网络为多路网络,对每一层网络检测社区结构,再构建一致图,检测一致图中的社区结构;对节点增加和删除、边产生和边消失四种增量类型设置社区结构更新策略,对网络中产生的增量序列,依据更新策略来更新社区结构。本发明充分考虑了各种可能的增量类型,以及不同类型增量可能导致的社区演化情况,能准确地检测出网络当前社区结构。
-
公开(公告)号:CN102929906A
公开(公告)日:2013-02-13
申请号:CN201210285275.5
申请日:2012-08-10
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F17/30
Abstract: 本发明提供一种基于内容特征和主题特征的文本分组聚类方法,包括:提取所述文本的内容特征和主题特征;将所述主题特征转换为二进制主题特征;采用相同的分组算法对文本基于所述内容特征和所述二进制主题特征依次进行分组,获得层次化的文本分组结果;对所述文本分组结果进行聚类。使用本发明提供的基于内容特征和主题特征的文本分组聚类方法对新闻文本进行分组聚类,可以令新闻文本的聚类结果在兼顾新闻事件的针对性的基础上避免聚类结果过多的缺陷。
-
公开(公告)号:CN102929928B
公开(公告)日:2015-04-22
申请号:CN201210355209.0
申请日:2012-09-21
Applicant: 北京格致璞科技有限公司 , 北京邮电大学
IPC: G06F17/30
Abstract: 一种基于多维相似度的个性化新闻推荐方法:先从新闻日志抽取设定时间记录,根据新闻源地址抓取新闻并抽取标题和正文,对其进行分词和提取名词,并用主题模型分析该名词序列而得到该新闻的主题特征向量;再根据新闻的主题特征向量和用户行为数据,分别构建用户模型和新闻模型;然后根据用户模型、新闻模型和时间特征分别计算用户和新闻的内容相似度与行为相似度,并据此计算最终的用户相似度和最终的新闻相似度,并分别提取最相似的多个用户和多个新闻;最后,依据最近的新闻日志记录和与设定用户最相似的多个相似用户,生成基于用户的个性化推荐结果;或依据设定用户产生行为的新闻和与该新闻最相似的多个新闻,生成基于新闻的个性化推荐结果。
-
公开(公告)号:CN110334264B
公开(公告)日:2021-04-09
申请号:CN201910608243.6
申请日:2019-07-08
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F16/951 , G06F16/9535 , G06Q50/00
Abstract: 本发明提出一种针对异构动态信息网络的社区检测方法及装置,对从网络中爬取的数据构建的动态异构信息网络进行社区检测。本装置包括动态网络生成模块、基础网络社区检测模块、动态社区检测模块和基于增量的社区结构更新模块。本方法包括:对待研究数据建立基础网络和增量序列,基础网络为多路网络,对每一层网络检测社区结构,再构建一致图,检测一致图中的社区结构;对节点增加和删除、边产生和边消失四种增量类型设置社区结构更新策略,对网络中产生的增量序列,依据更新策略来更新社区结构。本发明充分考虑了各种可能的增量类型,以及不同类型增量可能导致的社区演化情况,能准确地检测出网络当前社区结构。
-
公开(公告)号:CN102929906B
公开(公告)日:2015-07-22
申请号:CN201210285275.5
申请日:2012-08-10
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F17/30
Abstract: 本发明提供一种基于内容特征和主题特征的文本分组聚类方法,包括:提取所述文本的内容特征和主题特征;将所述主题特征转换为二进制主题特征;采用相同的分组算法对文本基于所述内容特征和所述二进制主题特征依次进行分组,获得层次化的文本分组结果;对所述文本分组结果进行聚类。使用本发明提供的基于内容特征和主题特征的文本分组聚类方法对新闻文本进行分组聚类,可以令新闻文本的聚类结果在兼顾新闻事件的针对性的基础上避免聚类结果过多的缺陷。
-
公开(公告)号:CN102831234B
公开(公告)日:2015-04-22
申请号:CN201210320475.X
申请日:2012-08-31
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F17/30
Abstract: 一种基于新闻内容和主题特征的个性化新闻推荐装置和方法,推荐装置设有:新闻抓取、预处理、主题模型训练、主题模型预测、用户模型构建、新闻推荐和推荐处理共七个模块。推荐方法是:利用主题模型和相关的命名实体名词序列构建个性化用户模型来表示用户阅读新闻的兴趣偏好,并对该用户的主题特征向量进行权值计算与转换以降低热门主题及新闻内容单一对用户兴趣的影响,有效解决了用户兴趣集中、且推荐结果多样性不足的缺陷。在推荐输出阶段,对初始推荐新闻列表进行处理,在现有的重复数据删除和冗余过滤的基础上,添加了基于本发明个性化用户模型的主题分组过程,并对新闻文本按照时效权值重新排序,实现准确、多样、新颖的个性化新闻推荐。
-
公开(公告)号:CN102929928A
公开(公告)日:2013-02-13
申请号:CN201210355209.0
申请日:2012-09-21
Applicant: 北京格致璞科技有限公司 , 北京邮电大学
IPC: G06F17/30
Abstract: 一种基于多维相似度的个性化新闻推荐方法:先从新闻日志抽取设定时间记录,根据新闻源地址抓取新闻并抽取标题和正文,对其进行分词和提取名词,并用主题模型分析该名词序列而得到该新闻的主题特征向量;再根据新闻的主题特征向量和用户行为数据,分别构建用户模型和新闻模型;然后根据用户模型、新闻模型和时间特征分别计算用户和新闻的内容相似度与行为相似度,并据此计算最终的用户相似度和最终的新闻相似度,并分别提取最相似的多个用户和多个新闻;最后,依据最近的新闻日志记录和与设定用户最相似的多个相似用户,生成基于用户的个性化推荐结果;或依据设定用户产生行为的新闻和与该新闻最相似的多个新闻,生成基于新闻的个性化推荐结果。
-
公开(公告)号:CN102831234A
公开(公告)日:2012-12-19
申请号:CN201210320475.X
申请日:2012-08-31
Applicant: 北京邮电大学 , 北京格致璞科技有限公司
IPC: G06F17/30
Abstract: 一种基于新闻内容和主题特征的个性化新闻推荐装置和方法,推荐装置设有:新闻抓取、预处理、主题模型训练、主题模型预测、用户模型构建、新闻推荐和推荐处理共七个模块。推荐方法是:利用主题模型和相关的命名实体名词序列构建个性化用户模型来表示用户阅读新闻的兴趣偏好,并对该用户的主题特征向量进行权值计算与转换以降低热门主题及新闻内容单一对用户兴趣的影响,有效解决了用户兴趣集中、且推荐结果多样性不足的缺陷。在推荐输出阶段,对初始推荐新闻列表进行处理,在现有的重复数据删除和冗余过滤的基础上,添加了基于本发明个性化用户模型的主题分组过程,并对新闻文本按照时效权值重新排序,实现准确、多样、新颖的个性化新闻推荐。
-
公开(公告)号:CN110995619B
公开(公告)日:2021-09-28
申请号:CN201910988957.4
申请日:2019-10-17
Applicant: 北京邮电大学
IPC: H04L12/927 , H04L29/08
Abstract: 本发明公开了一种服务质量感知的虚拟网络映射方法和装置,所述方法包括:对于当前待映射的虚拟网络请求的每个虚拟节点,由预先训练得到的节点映射策略网络根据当前底层物理网络的资源状态,输出该虚拟节点的节点映射结果;基于所述虚拟网络请求中所有虚拟节点的节点映射结果,完成所述虚拟网络请求的链路映射;其中,所述节点映射策略网络是以训练时的底层物理网络的资源利用率U与所述虚拟网络请求的服务质量损失L之差作为奖励训练得到的。应用本发明可以实现满足多种服务质量度量指标和提高资源利用率之间的平衡。
-
公开(公告)号:CN107464436B
公开(公告)日:2019-12-24
申请号:CN201710650212.8
申请日:2017-08-02
Applicant: 北京邮电大学
IPC: G08G1/0967
Abstract: 本发明提供了一种基于车辆分簇的信息处理方法和装置,其中方法包括:请求方车辆向簇头车辆发送第一协作感知请求,所述第一协作感知请求中包含请求方车辆所处的第一位置信息和所述请求方车辆的标识,所述第一协作感知请求用于请求所述第一位置信息处的道路环境信息;请求方车辆接收响应方车辆发送的第一协作感知响应,所述第一协作感知响应包含所述第一位置信息处的道路环境信息,所述道路环境信息为所述响应方车辆根据所述簇头车辆发送的第二协作感知请求获得的,所述第二协作感知请求中包含所述第一位置信息和所述请求方车辆的标识;根据所述第一协作感知响应生成自动驾驶车辆的控制信息。
-
-
-
-
-
-
-
-
-