-
公开(公告)号：CN105989078B
公开(公告)日：2019-05-07
申请号：CN201510072216.3
申请日：2015-02-11
Applicant: 烟台中科网络技术研究所
Abstract: 一种结构化对等网络构建索引的方法、检索方法、装置及系统。构建索引的方法包括：选取哈希函数索引参数；根据哈希函数族，将索引数据映射到l个哈希表中，每个索引数据进行k次哈希运算进入一个k维向量桶中；对于l个哈希表中的每个桶，计算随机点p的l2范数；根据随机点p的l2范数估计索引数据集合D的正态分布；根据所述正态分布，将桶空间分成常规区域和稀疏区域；根据常规区域和稀疏区域，将l个哈希表中的每个桶分别映射到一维分布式哈希表的各个键值中；根据chord路由协议，依次将各个键值插入到对等网络的各个节点中。本发明实现了将局部敏感哈希算法扩展到分布式结构化对等网络，提升了检索速度，同时保留了原有集中式局部哈希算法检索的精度。
-
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：CN105989078A
公开(公告)日：2016-10-05
申请号：CN201510072216.3
申请日：2015-02-11
Applicant: 烟台中科网络技术研究所
IPC: G06F17/30
Abstract: 一种结构化对等网络构建索引的方法、检索方法、装置及系统。构建索引的方法包括：选取哈希函数索引参数；根据哈希函数族，将索引数据映射到l个哈希表中，每个索引数据进行k次哈希运算进入一个k维向量桶中；对于l个哈希表中的每个桶，计算随机点p的l2范数；根据随机点p的l2范数估计索引数据集合D的正态分布；根据所述正态分布，将桶空间分成常规区域和稀疏区域；根据常规区域和稀疏区域，将l个哈希表中的每个桶分别映射到一维分布式哈希表的各个键值中；根据chord路由协议，依次将各个键值插入到对等网络的各个节点中。本发明实现了将局部敏感哈希算法扩展到分布式结构化对等网络，提升了检索速度，同时保留了原有集中式局部哈希算法检索的精度。
-
公开(公告)号：CN104951548A
公开(公告)日：2015-09-30
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
CPC classification number: G06F17/30705 , G06F17/30737 , G06F17/30867
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。
-
-
-
Search Results
4
records
(took 0.024 seconds)
