-
公开(公告)号：CN107153672A
公开(公告)日：2017-09-12
申请号：CN201710171926.0
申请日：2017-03-22
Applicant: 中国科学院自动化研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种基于言语行为理论的用户交互意图识别方法及系统，所述用户交互意图识别方法包括：基于外部知识源构建行为标记语词典；根据所述行为标记语词典，自动标注用户在社交媒体平台上输入的在线文本的意图；利用自动标注语料训练基于特征的分类器对所述在线文本的意图进行分类识别，确定用户的交互意图类别。本发明基于言语行为理论的用户交互意图识别方法通过基于外部知识源构建对应不同意图类别的行为标记语词典，并基于行为标记语词典自动标注扩充语料和基于特征分类识别，能够有效识别社交媒体中的用户交互意图，识别准确度高，可用于商务智能、社情舆情、决策评估等领域的意图分析与识别，应用范围广。
-
公开(公告)号：CN106940732A
公开(公告)日：2017-07-11
申请号：CN201710212983.9
申请日：2017-04-01
Applicant: 国家计算机网络与信息安全管理中心
Abstract: 本发明涉及一种面向微博数据的疑似水军发现方法，属于计算机应用技术领域。本发明共分为以下六个步骤，分别为相关微博数据的采集；数据预处理；用户特征提取；构建训练集；训练水军检测模型；预测判别未标注数据。对比现有技术，本发明实现了数据的充分利用，方便快捷的进行群体发现而不用建立复杂的分类检测模型，从而降低了算法的复杂度，并且算法的模块性较高，可以投入大规模数据计算，具有较高的稳定性；本发明除了可以对单一用户进行水军检测，还可以对某一特定事件中的一批用户进行识别，该方法模块性极强，可以稳定适用于大规模数据计算框架下。
-
公开(公告)号：CN105095988A
公开(公告)日：2015-11-25
申请号：CN201510379930.7
申请日：2015-07-01
Applicant: 中国科学院计算技术研究所 , 国家计算机网络与信息安全管理中心
Abstract: 本发明适用于网络信息传播检测技术领域，提供了一种社交网络信息爆发检测方法，包括：采集社交网络的结构和用户产生内容；构建用户的话题传播概率矩阵；获取社交网络中用户发布或转发的消息；根据消息的转发标志和时间信息构建消息的传播轨迹；根据所述话题传播概率矩阵构建消息传播矩阵；根据所述消息的传播轨迹和消息传播矩阵，分析消息爆发的可能性。本发明还相应的提供一种实现上述方法的社交网络信息爆发检测系统。借此，本发明可以有效的预测社交网络消息是否会爆发传播。
-
公开(公告)号：CN104866561A
公开(公告)日：2015-08-26
申请号：CN201510255994.6
申请日：2015-05-19
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明公开了一种挖掘微博话题趋势发起人的方法，属于数据挖掘领域。首先针对某一话题微博，以天为时间粒度，构造微博量随时间变化的趋势图，获取波峰点和波谷点，确定趋势的时间范围，提取微博高频词代表趋势主要内容，以趋势早期参与微博高频词的数量作为该条微博的内容相关度，降序排序后提取趋势制造者。根据趋势变化，以小时为时间粒度，构造趋势时间范围的微博数量变化图，获取斜率最大的时间范围作为增速最大的时间段，并对微博转发量降序排序，确定趋势推动者。本发明利用微博数据平台，具有高效性、鲁棒性和简洁性等优点，适用于对话题微博趋势发起人方面的分析，在社会舆情监控和信息传播分析等领域具有重要的应用价值。
-
公开(公告)号：CN104778210A
公开(公告)日：2015-07-15
申请号：CN201510111754.9
申请日：2015-03-13
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F17/30
Abstract: 本发明公开了一种微博转发树和转发森林构建方法，属于数据挖掘领域，包括以下步骤：收集该条微博的原创微博信息；并且根据单条原创微博信息，获取其转发微博信息；然后在单条原创微博信息及其所有转发微博信息上，构造单条微博的微博树结构；根据用户给定时间段t3-t4内的话题关键词Topic，收集与该话题相关的全量微博信息，针对每一条微博信息，构造单条微博的微博树结构；最后汇总该话题相关的全量微博信息的转发树；形成微博转发森林。本发明的优点为：通过转发树生成算法，高效快速完整地进行转发树和转发森林的提取，具有较高的效率和效果。
-
Patent Agency Ranking
公开(公告)号：CN119990203A
公开(公告)日：2025-05-13
申请号：CN202411812196.4
申请日：2024-12-10
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
IPC: G06N3/06 , G06F18/2431
Abstract: 本发明提供一种大模型安全神经元筛选方法和装置，方法包括：对基础大模型进行安全对齐，得到安全对齐模型；计算所述安全对齐模型和所述基础大模型的神经元激活差异；基于所述神经元激活差异，确定对所述基础大模型进行安全对齐时的安全神经元。本发明从模型自身内部的性质出发，不受任务形式限制，容易扩展，适用于大模型中的安全神经元发现，为进一步研究大模型的安全机理提供方案。
-
公开(公告)号：CN119990134A
公开(公告)日：2025-05-13
申请号：CN202411808989.9
申请日：2024-12-10
Applicant: 国家计算机网络与信息安全管理中心 , 清华大学
IPC: G06F40/30 , G06F40/284 , G06F40/237
Abstract: 本发明提供一种使用自述式提示与集成梯度的语义贡献识别方法及系统，包括：获取输入数据并编写特定的问题提示；将所述问题提示多次输入至预设的大语言模型，引导大语言模型自动识别并报告在决策过程中起到关键作用的词汇，生成关键词提议集合；基于所述关键词提议集合抽取关键词，生成第一语义贡献度列表；基于所述输入数据通过预设的公式进行集成梯度计算，生成第二语义贡献度列表；将所述第一语义贡献度列表和第二语义贡献度列表进行整合分析，确定对大语言模型决策有重大影响的词汇。本发明解决了现有技术中大语言模型行为解释单一方法的局限性问题，提高了模型解释的全面性和准确性，满足了在多种自然语言处理应用中对可解释性的要求。
-
公开(公告)号：CN114330321B
公开(公告)日：2025-01-03
申请号：CN202111666897.8
申请日：2021-12-31
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院自动化研究所
IPC: G06F40/279 , G06N5/02 , G06N3/042 , G06N3/08 , G06N3/0442 , G06F18/22
Abstract: 本发明公开了一种用户先验知识增强的文本风格迁移方法、装置及电子设备，所述方法包括：获取用户先验知识数据，并基于所述用户先验知识数据构建预设神经网络模型；获取用户输入数据，并将所述用户输入数据映射至所述预设神经网络模型中，生成与所述用户输入数据的表达方式不同的目标文本内容表示；获取用户关注领域表示，并结合所述目标文本内容表示和用户关注领域表示，生成目标文本内容。本发明不仅可以实现文本风格的转换，还提升了转换文本内容与用户要求的相关性。
-
公开(公告)号：CN114297498B
公开(公告)日：2024-10-15
申请号：CN202111638795.5
申请日：2021-12-29
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9535 , G06F16/9536 , G06N3/0464 , G06Q50/00
Abstract: 本发明通过网络技术处理领域的方法，实现了一种基于关键传播结构感知的意见领袖识别方法和装置。方法基于神经网络算法，设计用户双重特征提取模块和关键传播结构挖掘模块两个逻辑模块组成，通过输入微博中不同话题数据，得到输入数据中具有代表性特征的意见领袖及关联关系输出。本发明设计基于节点中心度的消息传递机制，充分结合了节点在拓扑结构中的重要性，构造了一个新的图神经网络模型提取社交网络中用户的特征。首次利用图分类任务挖掘不同事件中的关键结构信息，在挖掘社交网络中top‑k个意见领袖的同时能够从节点连通性、节点相似度、节点中心度三个角度学习意见领袖之间潜在的联系，构造网络中的关键传播结构。
-
公开(公告)号：CN118410403A
公开(公告)日：2024-07-30
申请号：CN202410654244.5
申请日：2024-05-24
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F18/241 , G06F40/30 , G06F16/36 , G06N5/025 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开涉及互联网信息处理技术领域，尤其涉及受雇网络写手的识别方法、装置、计算机设备及存储介质；方法包括：在获取到网络用户和各网络用户之间的关联关系后，以网络用户为节点，以关联关系为边构建了第一知识图谱，并将第一知识图谱输入至预训练的图神经网络模型中，最终得到各网络用户分别对应的类别标签，完成对网络用户的识别；在利用图神经网络模型对各网络节点进行识别时，将网络节点之间的关联关系以及与各网络节点相邻的节点信息也考虑进去，使得最终得到的类别标签具有更高的准确性，相较于当前仅根据用户信息对网络用户进行识别的方式，根据本方案识别方法得到的识别结果具有更强的说服力。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.073 seconds)
