-
公开(公告)号：CN112685204A
公开(公告)日：2021-04-20
申请号：CN202011593204.2
申请日：2020-12-29
Applicant: 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 , 深圳中科闻歌科技有限公司
Abstract: 本申请涉及一种基于异常检测的社交机器人检测方法及装置，其中方法包括：在目标数据源中，筛选得到满足预设数量要求，且对应于目标类别的待检测信息；通过确定发布各个所述待检测信息的账户，得到每个所述账户对应的待检测信息集；根据所述待检测信息集，确定所述账户对应的行为特征信息；采用预设异常检测算法对所述行为特征信息进行异常检测，确定所有行为特征信息中的异常行为特征信息；基于异常行为特征信息确定所有账户中的社交机器人账户。通过本实施例中的方法，只依赖于筛选得到的待检测信息即可快速确定社交机器人账户，相对于人工筛选，可以有效提高处理效率以及准确率。
-
公开(公告)号：CN109614478B
公开(公告)日：2020-12-08
申请号：CN201811552104.8
申请日：2018-12-18
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/332 , G06F40/30 , G06F40/289
Abstract: 本申请实施例涉及一种词向量模型的构建方法、关键词匹配方法及装置，所述方法包括：选取目标关键词，以及与所述目标关键词对应的一个或多个目标文档数据；基于所述目标关键词从网络上获取与所述目标关键词关联的多个关联文档数据；将所述目标文档数据和符合训练条件的关联文档数据作为训练文本，采用Gensim的Word2vec API对所述训练文本进行训练，得到词向量模型，其中，所述符合训练条件的关联文档数据为：与所述目标文档数据的相似度大于第一阈值的所述关联文档数据。该模型在训练过程中，结合选定的目标文档数据，以及通过目标文档数据再选定关联文档数据中符合训练条件的文档数据，提高了该模型的准确性。
-
公开(公告)号：CN110334275B
公开(公告)日：2020-12-04
申请号：CN201910471730.2
申请日：2019-05-31
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种新闻流行度预测方法、设备和存储介质。该方法包括：获取待预测信息；按照预先确定的流行度影响特征类别，提取所述待预测信息的流行度影响特征；将所述流行度影响特征输入预先训练的集成了多个预测模型的多模型预测器中，获得所述多模型预测器输出的所述待预测信息的流行度。本发明使用集成了多个预测模型的多模型预测器对待预测信息进行信息流行度预测，采用多模型预测器预测信息流行度不仅可以提高预测模型预测结果的稳定性，还可以显著提高预测模型的预测性能，使得流行度预测更加稳定，预测结果更加精准。
-
公开(公告)号：CN110135693A
公开(公告)日：2019-08-16
申请号：CN201910296003.7
申请日：2019-04-12
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本申请涉及一种风险识别方法、装置、设备及存储介质，该方法包括：获取与业务数据对应的预设风险规则和风险分析模型；利用预设风险规则从业务数据中提取风险关联数据；利用风险分析模型对提取到的风险关联数据进行风险点识别，得到风险关联数据的风险点类别信息。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识别的难度，达到了提高平台风险识别效率的技术效果。
-
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：CN109800960A
公开(公告)日：2019-05-24
申请号：CN201811602925.8
申请日：2018-12-26
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本发明涉及一种品牌综合影响度评估方法、系统及存储介质。解决了现有的品牌综合影响度评估方法误差大，效率低的问题，本发明实施例包括获取品牌的传播力、影响力和转换力，并跟别获取传播力预设权重、影响力预设权重和转换力预设权重，根据所述品牌的传播力、影响力、转换力和传播力预设权重、影响力预设权重和转换力预设权重计算品牌综合影响度；本发明将网络舆情影响程度定量评价指标体系与品牌综合评价指标体系相结合，提出了一个新的品牌指数评估体系，使用方便，结合融媒体传播的时效性，灵活智能地运用品牌指数的统计算法，有效提升了评估的准确性和智能性，实现了融媒体平台品牌指数的智能性量化评估。
-
公开(公告)号：CN120088802A
公开(公告)日：2025-06-03
申请号：CN202510250211.9
申请日：2025-03-04
Applicant: 北京中科闻歌科技股份有限公司
Abstract: 本申请涉及电数字数据处理技术领域，特别是涉及一种基于多模态大模型的图表处理方法。该方法包括：获取目标图表的上下文关键信息；根据用户输入的初始问题获取所述初始问题的问题类型；根据所述初始问题的问题类型和目标图表的类型从目标图表的上下文关键信息中筛选与所述初始问题的问题类型和目标图表的类型关联的信息；根据筛选得到的与所述初始问题的问题类型和目标图表的类型关联的信息和所述初始问题构建与所述初始问题对应的目标问题；将所述目标问题和目标图表输入多模态大模型，将多模态大模型的输出确定为所述初始问题对应的答案。本发明能够提高模型输出结果的准确性和效率。
-
公开(公告)号：CN119886307A
公开(公告)日：2025-04-25
申请号：CN202510070907.3
申请日：2025-01-16
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06N5/022 , G06N5/02 , G06F16/31 , G06F16/36 , G06F40/205
Abstract: 本发明提供了一种基于大模型的树形结构知识构建方法、设备及介质，涉及人工智能技术领域，所述方法包括：初始化栈，并创建栈的根节点，获取目标文章的第i行文本；若第i行文本是标题，获取目标文章的第i行文本的标题类型，按照从栈顶到栈底的顺序遍历栈中的子节点，若存在子节点与第i行文本的标题类型相同，将该子节点标记为相同类型节点，并将从栈顶到相同类型节点的全部节点出栈，若栈为空，将第i行文本作为根节点的子节点，并将第i行文本入栈；若栈不为空，获取栈的栈顶，将第i行文本作为栈顶的子节点，并将第i行文本入栈，直到目标文章的所有行遍历完成，生成目标文章的解析树；从而更加高效且准确的获取到目标文章的解析树。
-
公开(公告)号：CN119831045A
公开(公告)日：2025-04-15
申请号：CN202411915111.5
申请日：2024-12-24
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06N5/04 , G06F40/30 , G06F18/22 , G06F16/3329 , G06F16/335
Abstract: 本申请实施例公开了一种基于上下文的大语言模型对话处理方法、装置及电子设备，可解决如何提供一种基于上下文相似度分析与智能筛选的动态管理方法来优化大语言模型交互的问题。该方法包括：获取用户输入的当前文本信息；对当前文本信息和预存的多个历史对话信息分别进行编码，得到当前文本向量和多个历史对话向量；根据每个历史对话向量和当前文本向量之间的语义相似度，对多个历史对话向量进行筛选，得到筛选后的目标历史对话信息；将当前文本信息和筛选后的目标历史对话信息进行拼接，得到目标输入文本；将目标输入文本输入到目标语言模型中，得到目标输出响应信息，目标语言模型包括大语言模型。
-
公开(公告)号：CN119829717A
公开(公告)日：2025-04-15
申请号：CN202411905240.6
申请日：2024-12-23
Applicant: 北京中科闻歌科技股份有限公司
IPC: G06F16/3329 , G06F40/194 , G06F18/214 , G06N5/022
Abstract: 本申请涉及人工智能技术领域，特别是涉及一种大模型问答的知识溯源方法、装置、介质和设备。包括：获取大模型问答生成的待溯源文本；根据目标问题和目标任务模式对应的每一置信数据源，得到初始知识载体列表C；根据待溯源文本和C，得到关键知识载体列表M；根据待溯源文本和M，得到关键知识片段匹配度列表集DP；若MAX(DPj)＜EP；则将Mj从M中删除；否则不删除，以更新M，得到目标知识载体列表G。本申请提高了知识溯源的准确性，减少了溯源的工作量。且节约了计算机资源，能够为待溯源文本提供较为准确的溯源知识载体，使得用户能够获取大模型问答输出结果的知识来源，辅助用户对于大模型问答输出结果的置信度的判断。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.036 seconds)
