-
公开(公告)号：CN101493819A
公开(公告)日：2009-07-29
申请号：CN200810056726.1
申请日：2008-01-24
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种搜索引擎作弊检测的优化方法，该方法包括：步骤S1：预处理所有网页和超链接，进行特征提取，针对提取的特征进行初步作弊检测；步骤S2：在初步作弊检测结果的基础上，进行二级特征提取，提取出聚类特征、传递特征和近邻特征；步骤S3：在初步作弊检测结果和二级特征提取结果的基础上，采用机器学习算法对作弊进行再检测，并生成检测结果。利用本发明，解决了现有技术中启发式作弊检测方法的不稳定性问题，并最大程度上优化了搜索引擎作弊检测的性能。
-
公开(公告)号：CN101350011A
公开(公告)日：2009-01-21
申请号：CN200710119196.6
申请日：2007-07-18
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明涉及互联网信息检索，公开一种基于小样本集的互联网作弊检测方法，以打击日益严峻的搜索引擎作弊行为，本发明针对检测样本收集成本高这一难题，利用基于分类器的自学习和基于互联网拓扑结构的链接学习过程的迭代执行，不断扩充训练集，以实现在小样本集下对搜索引擎作弊进行检测，并在识别过程中采用集成的降采样策略，充分利用了互联网上广泛存在的高信誉网站所包含的信息。最后进行沿互联网拓扑结构的基于预测作弊度的标号传递，以实现检测结果优化。利用实验表明这一方法能有效地对作弊行为进行检测。
-
公开(公告)号：CN116702746A
公开(公告)日：2023-09-05
申请号：CN202310594620.1
申请日：2023-05-24
Applicant: 中国科学院自动化研究所
IPC: G06F40/205 , G06F40/211 , G06F40/30 , G06N3/045 , G06N3/047 , G06N3/048 , G06N5/022
Abstract: 本申请涉及一种跨平台多主题的讽刺及动因识别方法、装置、设备及介质，其中，方法包括：获取跨平台的待识别文本，并根据待识别文本及其发布平台获得预设格式的目标数据；利用预设语言表征模型分别对预设跨平台标签集以及目标数据进行编码表示，得到文本表征向量以及标签表征向量，其中，预设跨平台标签集包括多个主题标签；对文本表征向量以及标签表征向量进行计算，得到与待识别文本对应的讽刺识别结果，其中，讽刺识别结果包括主题识别结果、讽刺判定结果以及讽刺动因。解决了无法结合跨平台下文本多维度数据同时识别文本主题、是否讽刺以及讽刺动因的问题。
-
公开(公告)号：CN114357111A
公开(公告)日：2022-04-15
申请号：CN202111619071.6
申请日：2021-12-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种政策关联影响分析方法、装置、电子设备及存储介质，所述方法包括：构建目标异质信息网络，构建预训练语言模型以及构建目标向量运算模型；获取待测政策数据，待测政策数据包括政策要素以及政策要素之间的关联关系，政策要素包括政策内容和政策背景；将待测政策数据映射至目标异质信息网络中，得到包含关联关系的政策要素的节点学习结果；将待测政策数据映射至预训练语言模型中，得到包含政策背景的政策内容的训练学习结果；将节点学习结果和训练学习结果映射至目标向量运算模型中，得到政策关联影响分析结果。本发明信息利用充分、分析结果准确度高。
-
公开(公告)号：CN107577656A
公开(公告)日：2018-01-12
申请号：CN201710565733.3
申请日：2017-07-12
Applicant: 中国科学院自动化研究所
IPC: G06F17/27
Abstract: 本发明涉及文本隐含语义激活方法及系统，所述激活方法包括：获取待测文本的待测词项信息；根据文本集合知识库及所述待测文本的待测词项信息，确定所述文本集合知识库的词表中每个参考词项的激活系数；所述文本集合知识库包括多个参考词项共同构成的词表、对应各参考词项的参考词向量及参考词频；根据各激活系数，选取对应的参考词项构成待测文本的隐含语义集合；将所述隐含语义集合添加到所述待测文本中进行语义扩充。从而能够准确确定待测文本的隐含信息，准确度高。
-
Patent Agency Ranking
公开(公告)号：CN101515269A
公开(公告)日：2009-08-26
申请号：CN200810057879.8
申请日：2008-02-20
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种实现观点搜索引擎排序的方法，包括：使用网络爬虫对用户评论网页进行抓取，对抓取的网页进行预处理，从预处理后的网页中提取出用户评论信息；使用数据挖掘技术从该用户评论信息中提取产品的属性，并确定属性评论信息的极性，构建评论信息库；转换该评论信息库中所有用户评论信息文档的格式，构建用户评论信息文档的层次结构；对转换以后的用户评论信息建立倒排序索引；对建立倒排序索引的用户评论信息进行排序；对用户评论信息进行统计分析及可视化。利用本发明，有效地融合了用户评论信息的品质因素，并充分考虑了时间维度信息，能够为潜在用户提供更准确、更相关、更及时的观点信息服务。
-
公开(公告)号：CN114818733B
公开(公告)日：2025-01-03
申请号：CN202210555613.6
申请日：2022-05-20
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/253 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种媒体转引类型的识别方法、装置、电子设备及存储介质，属于自然语言处理领域。其中，该方法包括：将源媒体发布的源信息和转引媒体发布的转引信息输入预训练语言模型，分别得到源信息和转引信息的篇章表示向量以及句子表示向量；对源信息和转引信息的各句子表示向量进行双向交互式语义信息学习，得到双向的交互语义篇章表示向量；将基于预训练语言模型得到篇章表示向量和交互语义篇章表示向量进行融合，得到增强语义表示向量；根据所述增强语义表示向量进行媒体转引类型识别，得到媒体转引类型。通过本发明，实现了多层级、细粒度地增强篇章的语义表征能力，有效提升媒体转引类型的识别性能。
-
公开(公告)号：CN117313736A
公开(公告)日：2023-12-29
申请号：CN202310974595.X
申请日：2023-08-03
Applicant: 中国科学院自动化研究所
IPC: G06F40/30 , G06F40/279 , G06F16/35 , G06F40/205 , G06F18/24 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种评论文本的隐式需求识别方法及装置，其中，该方法包括：获取评论文本；采用需求预测模型挖掘评论文本的第一隐式需求；对第一隐式需求重构得到具体表述的第二隐式需求；采用需求预测模型根据第二隐式需求和评论文本判别得到第一隐式需求所对应的具体需求层面及需求强度，其中，需求层面用于表征第一隐式需求的需求类型，需求强度用于表征第一隐式需求的强烈程度；输出评论文本的隐式需求识别结果，其中，隐式需求识别结果包括：第一隐式需求，需求层面，需求强度。通过本发明实施例，解决现有方法难以深层建模用户隐式需求，以及无法联合分析需求层级与强度的技术问题，实现从海量评论中对用户隐式需求进行自动深层次的挖掘。
-
公开(公告)号：CN107577656B
公开(公告)日：2020-02-14
申请号：CN201710565733.3
申请日：2017-07-12
Applicant: 中国科学院自动化研究所
IPC: G06F40/284 , G06F40/289 , G06F40/30
Abstract: 本发明涉及文本隐含语义激活方法及系统，所述激活方法包括：获取待测文本的待测词项信息；根据文本集合知识库及所述待测文本的待测词项信息，确定所述文本集合知识库的词表中每个参考词项的激活系数；所述文本集合知识库包括多个参考词项共同构成的词表、对应各参考词项的参考词向量及参考词频；根据各激活系数，选取对应的参考词项构成待测文本的隐含语义集合；将所述隐含语义集合添加到所述待测文本中进行语义扩充。从而能够准确确定待测文本的隐含信息，准确度高。
-
公开(公告)号：CN103106616B
公开(公告)日：2016-01-20
申请号：CN201310062057.X
申请日：2013-02-27
Applicant: 中国科学院自动化研究所
IPC: G06Q50/00
Abstract: 本发明涉及社会信息化传播网络中用户行为的数据挖掘，本发明具体公开了一种基于资源整合与信息传播特征的社区发现及演化方法，从而更加精确地定义用户社区，并发现有意义的社区演化模式。本发明针对现有社区发现与演化方法中网络资源整合度低和信息传播因素考虑较少等特点，提出了基于资源整合的社区发现方法，利用共享潜在特征的协同矩阵分解方法将用户行为和用户交互行为有机地结合到一起；并以信息传播理论为指导，纳入用户的好友影响为信息传播特征，基于一阶马尔科夫假设，采用机器学习方法完成社区演化模式的挖掘。实验表明这一方案能有效地提高用户社区的挖掘与演化质量。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.068 seconds)
