-
公开(公告)号：CN110134876B
公开(公告)日：2021-10-26
申请号：CN201910360276.3
申请日：2019-04-30
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/9536 , G06F16/35 , G06Q50/00
Abstract: 本发明公开了一种基于群智传感器的网络空间群体性事件感知与检测方法，属于数据挖掘领域，具体步骤如下：一、收集每日的微博流数据；步骤二、根据微博账号的影响力筛选用于感知网络空间群体性事件的传感器账号；步骤三、对传感器账号的微博数据进行去噪处理；步骤四、对去噪后的微博数据按评论转发数进行排序；步骤五、对排序后的微博数据进行去重处理；步骤六、识别出相关事件涉及的时间地点和人物；步骤七、提取与事件相关的微博数据，对该事件进行分类并计算各微博内容的敏感值。本发明通过筛选具有影响力的媒体和用户账号组成群智传感器网络对网络空间群体性事件进行感知，无需对大规模微博数据进行挖掘，有效节省了计算和时间成本。
-
公开(公告)号：CN110134876A
公开(公告)日：2019-08-16
申请号：CN201910360276.3
申请日：2019-04-30
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/9536 , G06F16/35 , G06Q50/00
Abstract: 本发明公开了一种基于群智传感器的网络空间群体性事件感知与检测方法，属于数据挖掘领域，具体步骤如下：一、收集每日的微博流数据；步骤二、根据微博账号的影响力筛选用于感知网络空间群体性事件的传感器账号；步骤三、对传感器账号的微博数据进行去噪处理；步骤四、对去噪后的微博数据按评论转发数进行排序；步骤五、对排序后的微博数据进行去重处理；步骤六、识别出相关事件涉及的时间地点和人物；步骤七、提取与事件相关的微博数据，对该事件进行分类并计算各微博内容的敏感值。本发明通过筛选具有影响力的媒体和用户账号组成群智传感器网络对网络空间群体性事件进行感知，无需对大规模微博数据进行挖掘，有效节省了计算和时间成本。
-
公开(公告)号：CN111581370A
公开(公告)日：2020-08-25
申请号：CN202010310036.5
申请日：2020-04-20
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/335 , G06F16/951 , G06F16/9536 , G06F40/242 , G06Q10/06 , G06Q50/00
Abstract: 本发明公开了一种综合多通道数据来源的网络舆情热度评估方法，包括：步骤一、收集各通道的流数据；步骤二、量化流数据对于目标事件的敏感值和情绪标签；步骤三、基于敏感度和影响力量化得到主体指标值；步骤四、基于敏感消息数、各类情绪标签对应的消息数，量化得到内容指标值；步骤五、基于每日的消息数、用户数、群组数，量化得到传播指标值；步骤六、基于主体指标值、内容指标值、传播指标值，量化得到各通道的综合热度值，并计算得到目标事件当日的总热度值。本方法建立了普适的网络舆情热度评估指标体系，评估结果更准确全面。本发明还公开了一种综合多通道数据来源的网络舆情热度评估装置，本装置对网络舆情热度的评估更准确全面。
-
公开(公告)号：CN109241430A
公开(公告)日：2019-01-18
申请号：CN201811038860.9
申请日：2018-09-06
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/9535 , G06Q50/00
Abstract: 本发明公开了一种互联网多源异质数据融合的选举预测方法，属于数据挖掘领域。首先从互联网数据中，筛选能够反映选举国家或地区民心动向的信息源。然后从筛选出的互联网信息源中提取具体特征，构建基于互联网平台的候选人支持率预测指标体系。最后将提取的各类预测指标视为反映民意的信号，运用卡尔曼滤波模型进行融合，动态实时跟踪预测候选人的支持率。本发明具有数据源广泛、实时性强等特点，在舆情监控和观点分析等领域具有重要的应用价值。
-
公开(公告)号：CN111581370B
公开(公告)日：2023-06-23
申请号：CN202010310036.5
申请日：2020-04-20
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/335 , G06F16/951 , G06F16/9536 , G06F40/242 , G06Q10/0637 , G06Q50/00
Abstract: 本发明公开了一种综合多通道数据来源的网络舆情热度评估方法，包括：步骤一、收集各通道的流数据；步骤二、量化流数据对于目标事件的敏感值和情绪标签；步骤三、基于敏感度和影响力量化得到主体指标值；步骤四、基于敏感消息数、各类情绪标签对应的消息数，量化得到内容指标值；步骤五、基于每日的消息数、用户数、群组数，量化得到传播指标值；步骤六、基于主体指标值、内容指标值、传播指标值，量化得到各通道的综合热度值，并计算得到目标事件当日的总热度值。本方法建立了普适的网络舆情热度评估指标体系，评估结果更准确全面。本发明还公开了一种综合多通道数据来源的网络舆情热度评估装置，本装置对网络舆情热度的评估更准确全面。
-
Patent Agency Ranking
公开(公告)号：CN111581956B
公开(公告)日：2022-09-13
申请号：CN202010269087.8
申请日：2020-04-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Inventor： 赵忠华 , 吴俊杰 , 赵志云 , 葛自发 , 孙小宁 , 张冰 , 王欣欣 , 李欣 , 袁钟怡 , 孙立远 , 付培国 , 王禄恒 , 左源 , 李丰志 , 李英汉 , 户中方
IPC: G06F40/279 , G06F40/216 , G06F40/242 , G06F40/126 , G06F16/335 , G06F16/35 , G06K9/62
Abstract: 本发明公开了一种基于BERT模型和K近邻的敏感信息识别方法，包括：步骤一、对文本进行预处理；步骤二、标注多条预处理文本为敏感信息和非敏感信息，步骤三、表征得到敏感信息的向量表征和非敏感信息的向量表征；步骤四、以敏感信息的向量表征为正类数据、以非敏感信息的向量表征为负类数据，构建近似最邻近搜索图；步骤五、将待测文本的向量表征输入至近似最邻近搜索图，搜索得到近似最近邻的K个节点，判断节点属性及根据该条待测文本的敏感度权重，修正其敏感度值后，判断是否为敏感信息。本发明公开了一种基于BERT模型和K近邻的敏感信息识别系统。本发明具有提升文本质量，提升敏感信息识别的速度和精度的有益效果。
-
公开(公告)号：CN110096575A
公开(公告)日：2019-08-06
申请号：CN201910375599.X
申请日：2019-05-07
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/33 , G06F16/958 , G16H10/20 , G16H20/70
Abstract: 本发明公开了一种面向微博用户的心理画像方法，包括：步骤一、在微博平台上选取样本用户，根据设定的心理学量表，利用调查问卷法获取样本用户的人格特征得分；步骤二、根据所述样本用户在微博平台上的文本信息，获取样本用户的文本表征，根据所述样本用户的行为信息，获取样本用户的行为表征；步骤三、根据样本用户的人格特征得分与文本表征和行为表征的对应关系，构建人格特征预测模型；步骤四、获取待测用户的文本表征和行为表征，根据人格特征预测模型，获得待测用户的人格特征。本发明能够实现对微博用户的人格特质的分析，为微博用户的心理画像提供技术支持。
-
公开(公告)号：CN110096575B
公开(公告)日：2022-02-01
申请号：CN201910375599.X
申请日：2019-05-07
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC: G06F16/33 , G06F16/958 , G16H10/20 , G16H20/70
Abstract: 本发明公开了一种面向微博用户的心理画像方法，包括：步骤一、在微博平台上选取样本用户，根据设定的心理学量表，利用调查问卷法获取样本用户的人格特征得分；步骤二、根据所述样本用户在微博平台上的文本信息，获取样本用户的文本表征，根据所述样本用户的行为信息，获取样本用户的行为表征；步骤三、根据样本用户的人格特征得分与文本表征和行为表征的对应关系，构建人格特征预测模型；步骤四、获取待测用户的文本表征和行为表征，根据人格特征预测模型，获得待测用户的人格特征。本发明能够实现对微博用户的人格特质的分析，为微博用户的心理画像提供技术支持。
-
公开(公告)号：CN111581956A
公开(公告)日：2020-08-25
申请号：CN202010269087.8
申请日：2020-04-08
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Inventor： 赵忠华 , 吴俊杰 , 赵志云 , 葛自发 , 孙小宁 , 张冰 , 王欣欣 , 李欣 , 袁钟怡 , 孙立远 , 付培国 , 王禄恒 , 左源 , 李丰志 , 李英汉 , 户中方
IPC: G06F40/279 , G06F40/216 , G06F40/242 , G06F40/126 , G06F16/335 , G06F16/35 , G06K9/62
Abstract: 本发明公开了一种基于BERT模型和K近邻的敏感信息识别方法，包括：步骤一、对文本进行预处理；步骤二、标注多条预处理文本为敏感信息和非敏感信息，步骤三、表征得到敏感信息的向量表征和非敏感信息的向量表征；步骤四、以敏感信息的向量表征为正类数据、以非敏感信息的向量表征为负类数据，构建近似最邻近搜索图；步骤五、将待测文本的向量表征输入至近似最邻近搜索图，搜索得到近似最近邻的K个节点，判断节点属性及根据该条待测文本的敏感度权重，修正其敏感度值后，判断是否为敏感信息。本发明公开了一种基于BERT模型和K近邻的敏感信息识别系统。本发明具有提升文本质量，提升敏感信息识别的速度和精度的有益效果。
-
公开(公告)号：CN115293479A
公开(公告)日：2022-11-04
申请号：CN202210559536.1
申请日：2022-05-23
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Abstract: 本发明公开了一种舆情分析工作流系统，包括：数据分析功能模块，其包括N个能够进行舆情数据分析的数据分析模块；工作流建立模块，其根据舆情分析需求从数据分析功能模块中选择多个数据分析模块，按顺序进行连接，建立对特定任务进行分析的工作流，针对同一事件不同分析角度的舆情分析需求，建立多个工作流，以对多个舆情分析任务进行分析；工作流管理模块，其对建立的工作流进行数据分析计算，并通过可视化工作流图查看计算结果；事件管理模块，其对同一事件的多个舆情分析任务进行管理，并通过舆情分析数据构建不同任务之间的联系。本发明还提供了舆情分析工作流方法。本系统和方法能够根据舆情分析需求实现从不同层次和不同角度获得舆情信息。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.064 seconds)
