-
公开(公告)号：CN108345656A
公开(公告)日：2018-07-31
申请号：CN201810088450.9
申请日：2018-01-30
Applicant: 烟台中科网络技术研究所
Abstract: 本发明涉及一种有向网络链路预测方法，所述方法包括以下步骤：步骤S1、计算所述有向网络的相对度量指标总量LB；步骤S2、在所述有向网络中增加一条待选链路，并计算增加所述待选链路后所述有向网络的相对度量指标总量LA；步骤S3、计算所述有向网络的相对度量指标总量之差ΔL＝LB-LA；步骤S4、重复步骤S2以及步骤S3，得到多条待选链路对应的相对度量指标总量之差，并将所述相对度量指标总量之差最大值对应的待选链路作为所述有向网络生成的优选链路；本发明提供一种有向网络链路预测方法，具有计算简单、时间复杂度低、预测效果好的技术效果。
-
公开(公告)号：CN104951548B
公开(公告)日：2018-04-20
申请号：CN201510355005.0
申请日：2015-06-24
Applicant: 烟台中科网络技术研究所
IPC: G06F17/30
Abstract: 本发明涉及一种负面舆情指数的计算方法及系统，包括步骤S1，对待分类文本进行基于情感词典的正负面分类和基于Mode l模型的SVM分类，分别得到分类结果1和分类结果2；步骤S2，若所述分类结果1与所述分类结果2的值都为负面，则认为待分类文本为负面，继续执行步骤S3；若所述分类结果1与所述分类结果2的值不都为负面，则认为待分类文本为非负面，计算结束；步骤S3，将待分类文本分别与用户标注负面词典和训练集关键词典匹配，分别得到负面指标1和负面指标2；步骤S4，将所述分类结果1、所述负面指标1和所述负面指标2进行线性组合，得到待分类文本的负面舆情指数。本发明计算出的负面舆情指数准确率高，计算语料范围广且能够实时计算。
-
公开(公告)号：CN106817251A
公开(公告)日：2017-06-09
申请号：CN201611207950.7
申请日：2016-12-23
Applicant: 烟台中科网络技术研究所
IPC: H04L12/24 , H04L12/751
Abstract: 本发明涉及一种基于节点相似度的链路预测方法，包括以下步骤：对待分析的网络进行节点和链路表示；获取网络中两个没有直接链路连接的节点；读取所述两个没有直接链路连接的节点各自的邻居节点集合；对所述两个没有直接链路连接的节点各自的邻居节点集合取交集,得到共同邻居集合；将共同邻居集合视为子网，进行子网全局簇系数和子网中任意一个共同邻居节点簇系数的计算；根据子网全局簇系数和子网中任意一个共同邻居节点簇系数计算所述两个没有直接链路连接的节点相似度；根据计算得到的节点相似度进行链路预测。本发明在分析复杂网络局部结构中节点的相互关系时从簇系数角度出发，定义了基于局部簇系数的节点相似度计算新指标。
-
公开(公告)号：CN114581230B
公开(公告)日：2025-04-04
申请号：CN202210044130.X
申请日：2022-01-14
Applicant: 中国科学院计算技术研究所
IPC: G06Q40/04 , G06Q20/40 , G06N20/00 , G06F16/901
Abstract: 本发明提出一种流式图中的洗钱行为检测方法、装置、介质，所述方法包括获取洗钱场景中的资金交易信息作为图数据通过有向图表示；在每一条所述资金流到达时，判断所述发生源账户是否在转出资金后达到资金平衡状态，且所述目标账户是否在转入资金后到达资金平衡状态；分别统计当前时刻时所述发生源账户与目标账户达到资金平衡状态的次数以及从初始时刻到当前时刻最近一次达到资金平衡状态之间累积的资金有效转入次数，作为统计特征输入至异常账户评估模型进行异常评估。该方法能够快速并且准确地检测出不同模式的洗钱行为，并且找到可疑的洗钱账户。
-
公开(公告)号：CN113569539B
公开(公告)日：2025-04-04
申请号：CN202110164573.8
申请日：2021-02-05
Applicant: 中国科学院计算技术研究所 , 腾讯科技(深圳)有限公司
IPC: G06F40/166 , G06F40/279
Abstract: 本申请的实施例提供了一种文本内容的衍生方法、装置、计算机可读介质及电子设备。该文本内容的衍生方法包括：获取原始文本内容，基于原始文本内容以及与原始条件相对应的反事实条件，从原始结尾中识别出与原始条件相关的因果内容；基于原始结尾以及原始结尾中的因果内容，确定表示原始结尾的文本架构的结尾框架；基于前提、反事实条件以及结尾框架构成的序列，生成原始结尾对应的反事实结尾；本实施例中生成的反事实结尾在原始结尾的基础上，基于原始文本内容中的因果内容生成，在因果内容与原始文本内容一致性的前提下，使得生成的反事实结尾更加符合因果逻辑，增加表达的流畅性。
-
Patent Agency Ranking
公开(公告)号：CN119089890A
公开(公告)日：2024-12-06
申请号：CN202410585948.1
申请日：2024-05-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种推荐系统评论区的群体极化问题检测方法和装置，包括：对推荐系统指定的评论主帖进行话题观点提取，得到主帖观点；对评论主帖的评论区进行立场检测，得到评论区各条评论相对主帖观点的立场类别；通过提取各条评论的关键词，得到各条评论的立场类别对应的强烈程度；按照评论时间将评论区的评论排序，统计评论初始时间段内各立场类别的评论数量，并根据初始时间段内各条评论的强烈程度，得到各立场类别的平均极化程度，作为基准；持续抽取与初始时间段相同长度但时间靠后的后续时间段，计算后续时间段各立场类别的平均极化程度，并与基准进行对比，得到立场的极化偏离程度，当极化偏离程度超出阈值时进行报警。
-
公开(公告)号：CN117131189A
公开(公告)日：2023-11-28
申请号：CN202310294820.5
申请日：2023-03-23
Applicant: 中国科学院计算技术研究所
IPC: G06F16/35 , G06F16/31 , G06F16/332 , G06F40/35 , G06N3/0499 , G06N3/08
Abstract: 本发明提出一种基于语义的开放域网页知识抽取方法，包括：获取开放域网页的骨架树，对该骨架树的骨架节点进行分裂，得到该骨架节点的骨架子节点，生成骨架子节点序列；对该骨架子节点和该骨架节点标注分类标签，根据该分类标签对该骨架树进行关系抽取，获得抽取任务的关系子节点序列，并生成关系片段；基于该关系片段对该骨架树进行客体抽取，以抽取到的骨架子节点序列为客体片段；以该关系片段和其对应的客体片段为该抽取任务的抽取结果。本发明还提出一种基于语义的开放域网页知识抽取系统，以及一种用于开放域网页知识抽取的数据处理装置。
-
公开(公告)号：CN113392139B
公开(公告)日：2023-10-20
申请号：CN202110624648.6
申请日：2021-06-04
Applicant: 中国科学院计算技术研究所
IPC: G06F16/2458 , G06F16/901 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于关联融合的环境监测数据补全方法和系统，包括：获取数据存在缺失的环境监测数据及其对应的标记矩阵；根据环境监测数据中每个时间点的各个属性，得到属性间的关联系数，以构建图G，图G中节点对应属性，节点间的边对应属性间的属性关联系数；通过将图G和待补全矩阵按位相乘，得到中间矩阵，通过神经网络对中间矩阵进行时序处理，得到环境监测数据中各时间点的隐藏状态；根据各时间点的隐藏状态，计算环境监测数据的时间关联性系数；通过将时间关联性系数和各时间点的隐藏状态按位相乘，得到环境监测数据中各时间点的中间状态；在环境监测数据中，对中间状态采用生成式的非线性变换，得到环境监测数据的重构补全数据。
-
公开(公告)号：CN113190733B
公开(公告)日：2023-09-12
申请号：CN202110459851.2
申请日：2021-04-27
Applicant: 中国科学院计算技术研究所
IPC: G06F16/951 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开一种基于多平台的网络事件流行度预测方法，包括以下步骤：分别获取多个平台的网络事件的流行度预测序列，并融合多个流行度预测序列形成网络事件的流行度联合预测序列；分别获取多个平台的网络事件的流行度历史序列，并融合多个流行度历史序列形成网络事件的流行度联合历史序列；利用生成式对抗网络将流行度联合预测序列与流行度联合历史序列进行对齐，得到网络事件的流行度最终预测序列。
-
公开(公告)号：CN116595407A
公开(公告)日：2023-08-15
申请号：CN202310388963.2
申请日：2023-04-12
Applicant: 中国科学院计算技术研究所
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06F40/289 , G06N3/0455 , G06N3/08
Abstract: 本发明提出一种基于标签序列一致性建模的事件论元检测方法及系统。主要包括词序列语义编码、词标签序列标注、易错标签序列生成、对比学习正则化。词序列语义编码对预处理后的词采用BERT与训练语言模型进行语义表示学习，并将事件类型信息融入表示向量中；词标签序列标注使用全连接网络来对每个词对应的标签概率分布做出预估；易错标签序列生成则是根据一定策略按照词标签序列概率分布生成易错标签序列；对比学习正则化则是基于易错标签序列和正确标签序列的对比学习构建正则化损失，提高词序列标签的一致性。
-
-
-
-
-
-
-
-
-
Search Results
405
records
(took 0.11 seconds)
