公开(公告)号：CN111695043A

公开(公告)日：2020-09-22

申请号：CN202010547743.6

申请日：2020-06-16

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  高爽 ,  孔丽娜 ,  强保华 ,  崔梦银 ,  贾清玉

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种基于地理区域的社交网络阻塞影响最大化方法，该方法旨在社交网络信息传播时，防止目标区域受到不良信息的影响。研究影响阻止最大化（IBM）问题，以找到积极的种子，以尽可能多地阻止负面信息的传播。利用四叉树索引结构来存储节点的位置信息，结合社交网络的地理位置信息，提出了构造最大影响外图（MIOG）近似估计被阻止的负面影响并识别出具有更大潜力的阻止负影响的节点，选择候选节点以减少要估计的节点数量，高效地阻止负面信息在区域内的传播。

公开(公告)号：CN111444337A

公开(公告)日：2020-07-24

申请号：CN202010123108.5

申请日：2020-02-27

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  孔丽娜 ,  强保华 ,  刘满意 ,  杨鲜

IPC: G06F16/35 ,  G06F16/36 ,  G06F40/284 ,  G06F40/289 ,  G06K9/62

Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。

公开(公告)号：CN111444337B

公开(公告)日：2022-07-19

申请号：CN202010123108.5

申请日：2020-02-27

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  孔丽娜 ,  强保华 ,  刘满意 ,  杨鲜

IPC: G06F16/35 ,  G06F16/36 ,  G06F40/284 ,  G06F40/289 ,  G06K9/62

Abstract: 本发明公开了一种基于改进KL散度的新闻话题跟踪方法。所述方法利用KL散度衡量分布差异的思想，构造出一种可以区分普通特征与话题特征的权重计算方法，以此来提升特征的话题辨别能力，提高话题跟踪的准确率；同时引入word2vec，将其与KL散度权重相结合，实现话题文本的向量化表示，降低数据维度，增强特征间的语义联系；同时，采用增量学习模式，利用新检测到的相关报道更新话题模型，解决话题漂移。

公开(公告)号：CN111444336A

公开(公告)日：2020-07-24

申请号：CN202010116957.8

申请日：2020-02-25

Applicant: 桂林电子科技大学

Inventor： 谢武 ,  孔丽娜 ,  强保华 ,  高爽 ,  郭舒

IPC: G06F16/35 ,  G06F40/284 ,  G06N3/04

Abstract: 本发明公开了一种基于Siamese网络的话题检测方法，该方法以成对新闻文本的话题标签作为监督信息，引入Siamese网络，将其与LSTM网络相结合，引入余弦距离取代Siamese网络中原有欧氏距离来衡量文本相似度，利用Siamese网络衡量两个输入数据的相似程度的特性，根据文本相似程度，将用word2vec与词性特征表示的输入数据映射到维度较低的新的空间，属于同一话题的数据，在新空间的距离较近，实现对新闻文本数据的话题特征提取，解决了TF-IDF模型数据维度高、数据稀疏的问题，有效提高了后期文本聚类结果的准确率。