公开(公告)号：CN111552882A

公开(公告)日：2020-08-18

申请号：CN202010386342.7

申请日：2020-05-09

Applicant: 重庆邮电大学

Inventor： 代劲 ,  李家瑶

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明属于数据分析领域，为一种新闻影响力计算方法、装置、计算机设备及存储介质；其中方法包括采集历史新闻数据，确定出新闻来源平均阅读数指标和新闻类型热度指标；按照用户行为增长率选择出用户行为趋于稳定的历史新闻数据；确定出与用户行为相关的新闻评论数指标和新闻阅读数指标；对不同的历史新闻数据进行划分出多个事件编号；建立出影响力计算模型；从相同事件编号的历史新闻数据中，按照各指标确定出该历史新闻数据的影响力，并打上等级标签；通过BP神经网络对所述影响力计算模型进行训练；将待计算新闻数据输入到训练后的影响力计算模型中，输出结果。本发明考虑到对新闻影响力更有支持性指标，使得影响力计算模型的准确率更高。

公开(公告)号：CN109409496A

公开(公告)日：2019-03-01

申请号：CN201811349939.3

申请日：2018-11-14

Applicant: 重庆邮电大学

Inventor： 代劲 ,  何雨虹 ,  李家瑶

IPC: G06N3/00

Abstract: 本发明属于机械故障诊断和分类领域；具体为一种基于蚁群算法改进的LDTW序列相似度量方法，所述方法包括将给定长度的两个序列转换为距离矩阵；将距离矩阵映射成栅格法的0-1矩阵，在0-1矩阵中按照禁忌表对蚂蚁在栅格中的搜索范围进行第一次限制；根据LDTW距离的步长对蚂蚁的搜索范围第二次限制；蚂蚁在第一次和第二次共同限制后的栅格区域移动，根据动态调整状态转移概率移动到下一访问点；从而搜索得到路径；根据蚂蚁搜索得到的栅格值之和，确定适应度函数；适应度函数最小时，为最佳的序列距离长度；根据序列距离长度，确定两个序列的相似度；本发明既保证了弯曲路径长度不超过LDTW限制的弯曲路径长度，又降低计算的时间成本。

公开(公告)号：CN111814016B

公开(公告)日：2022-07-12

申请号：CN202010668010.8

申请日：2020-07-13

Applicant: 重庆邮电大学

Inventor： 代劲 ,  胡艳 ,  李家瑶

IPC: G06F16/906 ,  G06K9/62

Abstract: 本发明属于数据挖掘领域，特别涉及一种混合粒度多视图新闻数据聚类方法，该方法包括：采用TF‑IDF方法对原始的混合粒度多视图新闻数据进行特征选择，得到统一标签粒度的多视图新闻数据；计算该数据的TF‑IDF值，根据TF‑IDF值数据进行映射，得到各个视图的特征向量空间；计算各个视图的信息熵以及各个视图的权重；根据各个视图的权重对特征向量空间中的值进行加权融合，得到各视图的特征矩阵；采用多视图K‑means算法对融合后的特征矩阵进行聚类；本发明通过特征选择对不同粒度进行统一的标签生成处理，使各个视图的特征统一到相同的粒度，同时通过信息熵来反映不同视图对聚类簇结构的贡献程度，从而使聚类后的效果更好。

公开(公告)号：CN111552882B

公开(公告)日：2022-07-01

申请号：CN202010386342.7

申请日：2020-05-09

Applicant: 重庆邮电大学

Inventor： 代劲 ,  李家瑶

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明属于数据分析领域，为一种新闻影响力计算方法、装置、计算机设备及存储介质；其中方法包括采集历史新闻数据，确定出新闻来源平均阅读数指标和新闻类型热度指标；按照用户行为增长率选择出用户行为趋于稳定的历史新闻数据；确定出与用户行为相关的新闻评论数指标和新闻阅读数指标；对不同的历史新闻数据进行划分出多个事件编号；建立出影响力计算模型；从相同事件编号的历史新闻数据中，按照各指标确定出该历史新闻数据的影响力，并打上等级标签；通过BP神经网络对所述影响力计算模型进行训练；将待计算新闻数据输入到训练后的影响力计算模型中，输出结果。本发明考虑到对新闻影响力更有支持性指标，使得影响力计算模型的准确率更高。

公开(公告)号：CN111814016A

公开(公告)日：2020-10-23

申请号：CN202010668010.8

申请日：2020-07-13

Applicant: 重庆邮电大学

Inventor： 代劲 ,  胡艳 ,  李家瑶

IPC: G06F16/906 ,  G06K9/62

Abstract: 本发明属于数据挖掘领域，特别涉及一种混合粒度多视图新闻数据聚类方法，该方法包括：采用TF-IDF方法对原始的混合粒度多视图新闻数据进行特征选择，得到统一标签粒度的多视图新闻数据；计算该数据的TF-IDF值，根据TF-IDF值数据进行映射，得到各个视图的特征向量空间；计算各个视图的信息熵以及各个视图的权重；根据各个视图的权重对特征向量空间中的值进行加权融合，得到各视图的特征矩阵；采用多视图K-means算法对融合后的特征矩阵进行聚类；本发明通过特征选择对不同粒度进行统一的标签生成处理，使各个视图的特征统一到相同的粒度，同时通过信息熵来反映不同视图对聚类簇结构的贡献程度，从而使聚类后的效果更好。