-
公开(公告)号：CN113505221B
公开(公告)日：2024-03-12
申请号：CN202010214386.1
申请日：2020-03-24
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司 , 国科智安(北京)科技有限公司
IPC: G06F16/35 , G06F18/2411 , G06Q30/018
Abstract: 本发明公开了一种企业虚假宣传风险识别方法、设备和存储介质。该方法包括：在目标企业对应的多个企业舆情文本中，提取疑似风险文本；在每个疑似风险文本中提取对应种类的风险特征，形成每个疑似风险文本对应的风险特征向量；将多个疑似风险文本分别对应的风险特征向量顺次输入预先训练的风险识别模型，使风险识别模型对每个疑似风险文本进行识别，并将识别为存在虚假宣传风险的疑似风险文本确定为风险文本；根据确定出的所有风险文本的信息，确定目标企业对应的虚假宣传风险强度值；如果虚假宣传风险强度值大于预设的风险阈值，则确定目标企业存在虚假宣传风险。本发明可以避免人工匹配规则的局限性，提升了虚假宣传风险识别的准确性。
-
公开(公告)号：CN113450116A
公开(公告)日：2021-09-28
申请号：CN202010214388.0
申请日：2020-03-24
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司 , 北京中科闻歌智安科技有限公司
Abstract: 本申请涉及一种交易风险分析方法，包括：获取待分析数据，待分析数据包括：交易数据以及舆情数据；对交易数据进行定量分析得到第一数据特征，对舆情数据进行定量分析得到第二数据特征；对第一数据特征进行判别确定交易数据的第一风险类型，对第二数据特征进行判别确定舆情数据的第二风险类型，对第一风险类型以及第二风险类型分别进行向量化，得到第一特征向量和第二特征向量；将第一特征向量和第二特征向量输入预先训练的预警模型，由预警模型根据第一特征向量和第二特征向量进行计算得到风险指数；根据风险指数确定待分析数据的风险分析结果。本方案采用机器学习的方法对交易风险进行分级预警，从而大大提高交易风险预警的准确性和有效性。
-
公开(公告)号：CN119940360A
公开(公告)日：2025-05-06
申请号：CN202510203852.9
申请日：2025-02-24
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司
IPC: G06F40/284 , G06F40/216 , G06F40/166 , G06F16/35 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于大语言模型的企业文本数据多维处理方法和电子设备，包括：获取待处理文本数据中的关键词和对应的权重，并将获取的关键词按照权重由大到小的顺序进行重排序，得到排序后的关键词；为排序后的关键词赋予新权重，作为该关键词的最终权重；基于每个关键词对应的最终权重，从待处理文本数据中获取对应的上下文内容，作为对应的文本片段；利用多个文本分类模型对每个文本片段的类别标签进行预测，类别标签包括表征文本数据为正常文本数据的第一标签和表征文本数据为异常文本数据的第二标签。本发明基于关键词抽取和重排序进行数据处理，融合多种方式进行多维度分类，能够提高异常文本数据识别的准确率和增强泛化能力和鲁棒性。
-
公开(公告)号：CN113505221A
公开(公告)日：2021-10-15
申请号：CN202010214386.1
申请日：2020-03-24
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司 , 北京中科闻歌智安科技有限公司
Abstract: 本发明公开了一种企业虚假宣传风险识别方法、设备和存储介质。该方法包括：在目标企业对应的多个企业舆情文本中，提取疑似风险文本；在每个疑似风险文本中提取对应种类的风险特征，形成每个疑似风险文本对应的风险特征向量；将多个疑似风险文本分别对应的风险特征向量顺次输入预先训练的风险识别模型，使风险识别模型对每个疑似风险文本进行识别，并将识别为存在虚假宣传风险的疑似风险文本确定为风险文本；根据确定出的所有风险文本的信息，确定目标企业对应的虚假宣传风险强度值；如果虚假宣传风险强度值大于预设的风险阈值，则确定目标企业存在虚假宣传风险。本发明可以避免人工匹配规则的局限性，提升了虚假宣传风险识别的准确性。
-
公开(公告)号：CN110119882A
公开(公告)日：2019-08-13
申请号：CN201910296002.2
申请日：2019-04-12
Applicant: 国家计算机网络与信息安全管理中心 , 北京中科闻歌科技股份有限公司
Abstract: 本申请涉及一种平台风险监控方法、装置、设备及存储介质，该方法包括：获取与业务数据对应的风险指数评估模型；从所述业务数据中获取风险点类别信息；利用所述风险指数评估模型，对所述风险点类别信息进行风险评估，得到所述风险点类别信息的风险指数评估结果。该方法可以缓解单靠人力对每个融资平台的风险进行有效监控的难度，达到了提高平台风险监控效率的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN114461953A
公开(公告)日：2022-05-10
申请号：CN202011243214.3
申请日：2020-11-09
Applicant: 北京中科闻歌科技股份有限公司 , 国科智安(北京)科技有限公司 , 深圳中科闻歌科技有限公司
IPC: G06F16/958 , G06F16/955
Abstract: 本发明实施例涉及一种网站监管方法、装置、电子设备及存储介质，包括：从目标网站的网页源码中提取重定向统一资源定位符URL；获取所述重定向URL所指向的网页；将所述重定向URL进行向量化表示得到第一向量，以及将所述网页进行向量化表示得到第二向量；根据所述第一向量和所述第二向量确定所述目标网站是否为违法违规网站。由此，可以实现在网站内嵌的情况下也能够有效地识别出违法违规网站，提升了违法违规网站识别的准确率。
-
公开(公告)号：CN114692601A
公开(公告)日：2022-07-01
申请号：CN202011572938.2
申请日：2020-12-25
Applicant: 北京中科闻歌科技股份有限公司 , 国科智安(北京)科技有限公司 , 深圳中科闻歌科技有限公司
IPC: G06F40/211 , G06F40/279 , G06F16/31 , G06F16/33 , G06F16/35
Abstract: 本发明实施例涉及一种信息抽取方法、装置、电子设备及存储介质，包括：利用预设规则从至少一个信息通道中获取目标事件的相关文本；对所述相关文本进行分割，得到多个句子；对每一所述句子进行句法分析，根据句法分析结果得到所述句子中的目标专家实体和目标发言指示词；根据所述目标专家实体和目标发言指示词从所述句子中抽取目标专家职称和目标专家观点。由此，可以实现从互联网的海量信息中抽取出专家对于特定事件的观点。
-
公开(公告)号：CN112613324B
公开(公告)日：2024-11-12
申请号：CN202011596697.5
申请日：2020-12-29
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 国科智安(北京)科技有限公司
Abstract: 本申请涉及一种语义情绪识别方法、装置、设备及存储介质，所述方法包括：获取待识别文本，然后对待识别文本的全局语义信息进行提取，得到第一语义向量，再利用预训练的词向量模型确定待识别文本的词向量矩阵，之后根据词向量矩阵确定第二语义向量，根据词向量矩阵计算待识别文本中每个词的词向量与预设情绪词语的词向量的相似度，并将计算得到的所有相似度确定为第三语义向量，最后根据第一语义向量、第二语义向量和第三语义向量确定待识别文本所属的情绪类别，如此，便可以根据待识别文本的全局语义信息以及待识别文本的词向量矩阵确定待识别文本的情绪类别，考虑了待识别文本的词语义、词组语义以及句子语义信息，提高了情绪识别的准确性。
-
公开(公告)号：CN115271892A
公开(公告)日：2022-11-01
申请号：CN202210547647.0
申请日：2022-05-18
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06Q40/00 , G06F16/2458 , G06F16/2457 , G06N3/04 , G06N3/08 , G06Q50/26
Abstract: 本公开实施例提供了一种骗取留抵退税识别模型的构建方法、装置、设备和存储介质。骗取留抵退税识别模型构建方法包括获取多个样本退税申请数据序列和对应的实体标签；基于样本退税申请数据序列确定对应的第一特征向量；基于多个第一特征向量和对应的实体标签对预先构建的骗取留抵退税识别模型进行训练。骗取留抵退税识别模型构建方法能够直接挖掘样本退税申请数据的特征构建骗取留抵退税识别模型，而无需如现有专家评价指标体系的方法需要依靠专家经验设定评价指标、指标权重和指标阈值的问题。
-
公开(公告)号：CN112613324A
公开(公告)日：2021-04-06
申请号：CN202011596697.5
申请日：2020-12-29
Applicant: 北京中科闻歌科技股份有限公司 , 深圳中科闻歌科技有限公司 , 北京中科闻歌智安科技有限公司
Abstract: 本申请涉及一种语义情绪识别方法、装置、设备及存储介质，所述方法包括：获取待识别文本，然后对待识别文本的全局语义信息进行提取，得到第一语义向量，再利用预训练的词向量模型确定待识别文本的词向量矩阵，之后根据词向量矩阵确定第二语义向量，根据词向量矩阵计算待识别文本中每个词的词向量与预设情绪词语的词向量的相似度，并将计算得到的所有相似度确定为第三语义向量，最后根据第一语义向量、第二语义向量和第三语义向量确定待识别文本所属的情绪类别，如此，便可以根据待识别文本的全局语义信息以及待识别文本的词向量矩阵确定待识别文本的情绪类别，考虑了待识别文本的词语义、词组语义以及句子语义信息，提高了情绪识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.055 seconds)
