公开(公告)号：CN113469214A

公开(公告)日：2021-10-01

申请号：CN202110553822.2

申请日：2021-05-20

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  钱胜胜 ,  方全

IPC: G06K9/62 ,  G06K9/46 ,  G06F40/205 ,  G06F40/30 ,  G06Q50/00

Abstract: 本发明提供一种虚假新闻检测方法、装置、电子设备和存储介质，所述方法包括：将待检测新闻数据输入至新闻检测模型中，得到新闻检测模型输出的新闻检测结果；其中，新闻检测模型用于提取待检测新闻数据的多个文本特征和图像特征，基于自注意力机制确定各文本特征与图像特征对应的上下文向量，并基于各上下文向量的拼接向量确定新闻检测结果。本发明基于自注意力机制确定各文本特征与图像特征对应的上下文向量，可以使得文本特征中携带的信息与图像特征中携带的信息相互进行补充，进而使得基于各上下文向量得到的拼接向量够准确且完整表达待检测新闻数据中包含的信息内容，实现准确获取新闻检测结果。

公开(公告)号：CN110516160A

公开(公告)日：2019-11-29

申请号：CN201910818603.5

申请日：2019-08-30

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  黄晓雯 ,  方全 ,  钱胜胜 ,  桑基韬

IPC: G06F16/9535 ,  G06F16/36

Abstract: 本发明属于用户建模与推荐系统领域，具体涉及一种基于知识图谱的用户建模方法、序列推荐方法，旨在为了解决现有用户建模方法无法有效提取用户动态访问信息的特征，准确捕捉用户兴趣；现有序列推荐系统推荐准确率不高，用户体验较差的问题。本发明将内容特征和结构特征作为项目的完整表示，基于用户与项目之间的语义路径获取用户和项目之间的交互表示，通过自注意力模型获取用户动态偏好。基于用户动态偏好和待预测项目，通过推荐模型得到推荐结果。本发明的用户建模方法能够有效提取用户动态访问信息的特征，引入语义路径准确的捕捉交互级别的用户动态偏好；基于知识图谱序列推荐方法提升了推荐的准确性，用户体验更好。

公开(公告)号：CN109582783A

公开(公告)日：2019-04-05

申请号：CN201811260532.3

申请日：2018-10-26

Applicant: 中国科学院自动化研究所

Inventor： 徐常胜 ,  方全 ,  李泳锡

IPC: G06F16/35 ,  G06F16/34 ,  G06F16/36

Abstract: 本发明涉及计算机技术领域，具体涉及一种热点话题检测方法。本发明的热点话题检测方法包括：基于预设实体知识库提取目标文本的关键句作为目标文本的摘要；使用LSH算法计算摘要的文档指纹；基于KNN算法对文档指纹进行聚类分析以确定目标文本的话题类别。本发明的热点话题检测方法是基于实体知识库中的实体对目标文本的句子进行评估，根据评估结果提取目标文本关键句作为摘要，通过这种方式可以使得提取出的摘要能够与具体应用场景紧密结合的同时还能保留更多的话题信息，进而保证后续文档聚类的精度，实现高质量的话题检测功能。