-
-
Patent Agency Ranking
公开(公告)号：CN104239554A
公开(公告)日：2014-12-24
申请号：CN201410494851.6
申请日：2014-09-24
Applicant: 南开大学
IPC: G06F17/30
CPC classification number: Y02D10/45 , G06F17/30867
Abstract: 本发明提出了一种跨领域跨类别的新闻评论情绪预测方法。本发明公开的方法，是在目标领域只有少量的标注数据而在另一相关但不相同的源领域拥有大量的标注数据条件下，通过模拟源领域和目标领域情绪类别集合间关系，实现不同领域间的知识迁移，构建跨领域跨类别的新闻评论情绪预测模型，从而解决目标领域新闻评论的情绪预测问题。在源领域与目标领域为不同情绪类别集合情境下，本发明的方法显著地优于其他跨领域跨类别在线新闻评论的情绪预测的替代方法，并且极大降低人工标注工作的高昂代价和训练更多分类模型所耗费的精力。本发明可用于用户情感分析和舆情监督。
-
公开(公告)号：CN106055596A
公开(公告)日：2016-10-26
申请号：CN201610347226.8
申请日：2016-05-23
Applicant: 南开大学
IPC: G06F17/30
CPC classification number: G06F16/951 , G06F16/3346
Abstract: 本发明提出了一种多标签在线新闻读者情绪预测方法。包括：提出将在线新闻文本的读者情绪预测问题作为多标签分类任务，即一篇新闻对应一种或者多种读者情绪；提出一种多标签监督的情绪‑主题模型(ML‑sETM)，利用该模型对新闻文本进行读者情绪分类。本发明提出的方法能够有效预测读者在阅读在线新闻文本内容后可能产生的情绪类别集合。本发明可用于读者情绪分析和舆情监控等领域。
-
-
公开(公告)号：CN104268130A
公开(公告)日：2015-01-07
申请号：CN201410494291.4
申请日：2014-09-24
Applicant: 南开大学
Abstract: 一种面向Twitter的社交广告可投放性分析方法。包括：创新地结合Twitter用户多种不同来源的语料信息，构建多源Twitter语料库，有效扩充Twitter短文本，便于推断用户发布内容的潜在广告价值，以实现精准广告受众定位；借鉴LDA模型思想，提出多源Twitter语料主题分析模型，对用户发布内容进行隐含语义分析；基于语义分析结果，设计特征选择、过滤和表示算法，构建逻辑回归分类器，关于广告可投放性进行分类，作为广告推荐的决策依据。本发明充分利用用户发布信息特点，能够准确推断其潜在广告价值。通过本发明可得到符合用户真实意图的推断结果。本发明可用于Twitter等社交网络下的广告推荐等领域。
-
公开(公告)号：CN104268130B
公开(公告)日：2017-02-15
申请号：CN201410494291.4
申请日：2014-09-24
Applicant: 南开大学
Abstract: 一种面向Twitter的社交广告可投放性分析方法。包括：创新地结合Twitter用户多种不同来源的语料信息，构建多源Twitter语料库，有效扩充Twitter短文本，便于推断用户发布内容的潜在广告价值，以实现精准广告受众定位；借鉴LDA模型思想，提出多源Twitter语料主题分析模型，对用户发布内容进行隐含语义分析；基于语义分析结果，设计特征选择、过滤和表示算法，构建逻辑回归分类器，关于广告可投放性进行分类，作为广告推荐的决策依据。本发明充分利用用户发布信息特点，能够准确推断其潜在广告价值。通过本发明可得到符合用户真实意图的推断结果。本发明可用于Twitter等社交网络下的广告推荐
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
