-
Patent Agency Ranking
公开(公告)号：CN106156276B
公开(公告)日：2019-07-19
申请号：CN201610469344.6
申请日：2016-06-25
Applicant: 贵州大学 , 贵州耕云科技有限公司
IPC: G06F16/951 , G06F16/953 , G06F16/9535 , G06F16/35 , G06F16/36
Abstract: 本发明公开了一种基于Pitman‑Yor过程的新闻热点发现方法。本发明可以自动从新闻数据集中自动挖掘热点个数，而不需要人为的设定吗，也就是新闻热点的个数随着随着数据集大小而变化；然后，在现实的新闻数据集中，一个新的热点往往是处于新闻样本个数少量的类别中，另一方面，大多数已存在的、过时的新闻主题的类别的样本个数巨大，从而造成新热点的样本难以有效的识别出来。所以，本发明的另一个贡献在于新热点可以从这种极端不平衡的数据集中识别出新的热点样本。最终实现了新闻热点在这种真实存在的数据分布情况下的有效识别。
-
公开(公告)号：CN106096014A
公开(公告)日：2016-11-09
申请号：CN201610469360.5
申请日：2016-06-25
Applicant: 贵州大学 , 贵州耕云科技有限公司
Abstract: 本发明公开了一种基于DMR的混合长度文本集的文本聚类方法。本发明是混合长度文本集，与传统的长文本集相比，具有普适性；并且采用了DMR方法确定模型的先验参数，改进了传统聚类使用人为设定先验值得方法；较传统混合文本集而言，长短文本集共享相同的主题。本发明简单易行，使用效果好。
-
公开(公告)号：CN106547851A
公开(公告)日：2017-03-29
申请号：CN201610911400.7
申请日：2016-10-19
Applicant: 贵州大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于模糊序列模式发掘的网页内容提取方法。本发明针对网页内容提取问题，通过相同内容块内容在超文本标记语言中距离较近，不同内容块的内容相距较远的原理，针对网页上的每一个内容模块，分别用一个行文字长度序列的方式来表示，同时越是功能性模块模糊度越低，信息越丰富的内容模块序列模糊度越高。针对不同网站，利用少量给定网页进行训练，得到模糊序列模式，对于来自同一个网站的新页面将利用模糊序列模式来进行匹配，得到不同类型的网页内容。这样的方法能够显著提高内容提取的准确性，同时能够将不同类型的内容分开提取。
-
公开(公告)号：CN106547851B
公开(公告)日：2020-04-07
申请号：CN201610911400.7
申请日：2016-10-19
Applicant: 贵州大学 , 贵州耕云科技有限公司
IPC: G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种基于模糊序列模式发掘的网页内容提取方法。本发明针对网页内容提取问题，通过相同内容块内容在超文本标记语言中距离较近，不同内容块的内容相距较远的原理，针对网页上的每一个内容模块，分别用一个行文字长度序列的方式来表示，同时越是功能性模块模糊度越低，信息越丰富的内容模块序列模糊度越高。针对不同网站，利用少量给定网页进行训练，得到模糊序列模式，对于来自同一个网站的新页面将利用模糊序列模式来进行匹配，得到不同类型的网页内容。这样的方法能够显著提高内容提取的准确性，同时能够将不同类型的内容分开提取。
-
公开(公告)号：CN106156276A
公开(公告)日：2016-11-23
申请号：CN201610469344.6
申请日：2016-06-25
Applicant: 贵州大学 , 贵州耕云科技有限公司
IPC: G06F17/30
CPC classification number: G06F16/355 , G06F16/374 , G06F16/951
Abstract: 本发明公开了一种基于Pitman‑Yor过程的新闻热点发现方法。本发明可以自动从新闻数据集中自动挖掘热点个数，而不需要人为的设定吗，也就是新闻热点的个数随着随着数据集大小而变化；然后，在现实的新闻数据集中，一个新的热点往往是处于新闻样本个数少量的类别中，另一方面，大多数已存在的、过时的新闻主题的类别的样本个数巨大，从而造成新热点的样本难以有效的识别出来。所以，本发明的另一个贡献在于新热点可以从这种极端不平衡的数据集中识别出新的热点样本。最终实现了新闻热点在这种真实存在的数据分布情况下的有效识别。
-
-
-
-
Search Results
5
records
(took 0.012 seconds)
