-
公开(公告)号：CN109977414B
公开(公告)日：2023-03-14
申请号：CN201910256768.8
申请日：2019-04-01
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种互联网金融平台用户评论主题分析系统及方法，涉及自然语言处理领域；分析系统包括数据采集模块、金融词向量学习模块、评论主题生成模块、用户评论分类模块和评论主题更新模块；分析方法所述方法利用金融论坛中平台用户印象聚类生成用户评论主题，基于用户评论主题对互联网金融平台相关用户评论进行分析，并定期对评论主题进行更新。本发明不需要进行长期人工干预，借助互联网中易于获取的用户知识实现稳定的互联网金融平台评论分析及主题提取，分析获得的评论主题较有代表性，从而可以通过分析结果帮助用户更直观了解该互联网金融平台。
-
公开(公告)号：CN110852090A
公开(公告)日：2020-02-28
申请号：CN201911080694.3
申请日：2019-11-07
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F40/284 , H04L12/24
Abstract: 本发明提供了一种用于舆情爬取的机构特征词汇扩展系统，包括：数据采集模块：用于采集数据；特征词清洗加工模块：用于对特征词进行初步筛选；特征词统计分析模块：用于通过相关度分析，进一步筛选特征词，最终生成拓展特征词。本发明另一方面提供了一种用于舆情爬取的机构特征词汇扩展方法，采用上述方案，筛选掉无用特征词并进行分析，生成拓展特征词，全面、快速采集相关舆情信息，一方面有效的避免了漏查情况的发生，另一方面也减少了无用特征词增加无用的数据，提高检索效率和质量，减少内存的占用。
-
公开(公告)号：CN110020433A
公开(公告)日：2019-07-16
申请号：CN201910256769.2
申请日：2019-04-01
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种基于企业关联关系的工商高管人名消歧方法，涉及实体消歧领域，包括以下步骤：将待消歧数据集U，按高管姓名划分成组n个高管姓名组A；根据步骤S1得到的姓名组划分结果，对每个组A，构建N层以内的高管及企业关联关系网络G；针对每个姓名组A，根据密切度计算规则，计算姓名组A中高管节点之间的关联密切度f；根据关联密切度构建聚类函数CL，使用层次聚类算法得到消歧结果。本发明能自动化对工商高管人名进行消歧，具有较高的消歧准确率，且具有一定的阈值设置灵活性，可满足较多应用场景的工商高管人名消歧；同时可构建高管任职关联关系、高管投资关联关系，为高管全视角的关联图谱分析提供支撑。
-
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：CN111680225A
公开(公告)日：2020-09-18
申请号：CN202010338132.0
申请日：2020-04-26
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9536 , G06F16/35 , G06F40/30 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于机器学习的微信消息分析方法，包括：步骤一、构建训练语料库；步骤二、建立词汇向量表；步骤三和步骤四、构建和训练卷积神经网络；步骤五、将待分析的微信消息对应的多个词汇对应的词向量构成的词向量矩阵输入至训练得到的卷积神经网络，输出得到该微信消息对应的所有标签的概率分布情况。本发明具有精准预测微信消息所属的金融分类标签的有益效果。本方法还公开了一种基于机器学习的微信消息分析系统，包括：数据采集组件；训练语料库；文本预处理组件；模型训练组件；源数据分类组件。本系统具有精准预测微信消息所属的金融分类标签的有益效果。
-
Patent Agency Ranking
公开(公告)号：CN110852090B
公开(公告)日：2024-03-19
申请号：CN201911080694.3
申请日：2019-11-07
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F40/284 , H04L41/147
Abstract: 本发明提供了一种用于舆情爬取的机构特征词汇扩展系统，包括：数据采集模块：用于采集数据；特征词清洗加工模块：用于对特征词进行初步筛选；特征词统计分析模块：用于通过相关度分析，进一步筛选特征词，最终生成拓展特征词。本发明另一方面提供了一种用于舆情爬取的机构特征词汇扩展方法，采用上述方案，筛选掉无用特征词并进行分析，生成拓展特征词，全面、快速采集相关舆情信息，一方面有效的避免了漏查情况的发生，另一方面也减少了无用特征词增加无用的数据，提高检索效率和质量，减少内存的占用。
-
公开(公告)号：CN110837608A
公开(公告)日：2020-02-25
申请号：CN201911080716.6
申请日：2019-11-07
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
IPC: G06F16/9538 , G06F16/951
Abstract: 本发明提供了一种基于多源数据的舆情话题传播路径分析系统，包括：多源数据采集模块，用于对舆情话题进行多源数据采集，获取至少一项来源信息；传播路径分析模块，用于根据来源信息的类型采用不同的单源传播路径建立方案，得到单源传播路径，多个单源传播路径相互关联，得到交叉传播路径；传播主路径分析模块，用于分析各个节点的转发关系和转发量，得到舆情话题的关键传播节点，保留根节点与关键传播节点、关键传播节点之间的传播路径，删掉无关路径，得到传播主路径；路径显示模块，用于显示路径信息。本发明还提供了一种基于多源数据的舆情话题传播路径分析方法，帮助用户更加直观的了解舆情话题的传播情况。
-
公开(公告)号：CN109977414A
公开(公告)日：2019-07-05
申请号：CN201910256768.8
申请日：2019-04-01
Applicant: 中科天玑数据科技股份有限公司 , 国家计算机网络与信息安全管理中心
Abstract: 本发明公开了一种互联网金融平台用户评论主题分析系统及方法，涉及自然语言处理领域；分析系统包括数据采集模块、金融词向量学习模块、评论主题生成模块、用户评论分类模块和评论主题更新模块；分析方法所述方法利用金融论坛中平台用户印象聚类生成用户评论主题，基于用户评论主题对互联网金融平台相关用户评论进行分析，并定期对评论主题进行更新。本发明不需要进行长期人工干预，借助互联网中易于获取的用户知识实现稳定的互联网金融平台评论分析及主题提取，分析获得的评论主题较有代表性，从而可以通过分析结果帮助用户更直观了解该互联网金融平台。
-
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：CN111680225B
公开(公告)日：2023-08-18
申请号：CN202010338132.0
申请日：2020-04-26
Applicant: 国家计算机网络与信息安全管理中心
IPC: G06F16/9536 , G06F16/35 , G06F40/30 , G06F40/289 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/082
Abstract: 本发明公开了一种基于机器学习的微信消息分析方法，包括：步骤一、构建训练语料库；步骤二、建立词汇向量表；步骤三和步骤四、构建和训练卷积神经网络；步骤五、将待分析的微信消息对应的多个词汇对应的词向量构成的词向量矩阵输入至训练得到的卷积神经网络，输出得到该微信消息对应的所有标签的概率分布情况。本发明具有精准预测微信消息所属的金融分类标签的有益效果。本方法还公开了一种基于机器学习的微信消息分析系统，包括：数据采集组件；训练语料库；文本预处理组件；模型训练组件；源数据分类组件。本系统具有精准预测微信消息所属的金融分类标签的有益效果。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.058 seconds)
