公开(公告)号：CN114077705A

公开(公告)日：2022-02-22

申请号：CN202111120139.6

申请日：2021-09-24

申请人： 中国科学院计算技术研究所

发明人： 王永庆 ,  史铂深 ,  沈华伟 ,  高金华 ,  庞亮 ,  程学旗

IPC分类号： G06F16/9535 ,  G06F16/9536

摘要： 本发明实施例提供了一种对社交平台上的媒体账号进行画像的方法和系统，该方法包括：获取社交平台的账号信息，识别其中符合第一筛选条件的媒体账号以构建第一集合，采集第一集合内的媒体账号的属性数据和历史贴文数据并存储于数据库，第一筛选条件包括地域条件和媒体类型条件；标注种子媒体账号，根据种子媒体账号从数据库检索符合第二筛选条件的关联媒体账号以共同构建第二集合，第二筛选条件从粉丝数、活跃度、双向信息交流的频次、新闻相关性中的至少一个方面进行筛选；基于第二集合中各个媒体账号的属性数据和历史贴文数据，从多个维度对相应媒体账号进行画像，得到多个维度的指标，并根据多个维度的指标计算媒体价值指数以标识媒体价值。

公开(公告)号：CN114065749A

公开(公告)日：2022-02-18

申请号：CN202111332368.4

申请日：2021-11-11

申请人： 中国科学院计算技术研究所

发明人： 王永庆 ,  骆宣朴 ,  史铂深 ,  沈华伟 ,  高金华 ,  庞亮 ,  程学旗

IPC分类号： G06F40/279 ,  G06F40/289 ,  G06F40/216 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供了一种面向文本的粤语识别系统的训练方法，所述方法包括：A1、获取粤语和普通话文本语料，对语料所属语种进行人工标注以获得标注数据集，采用改进停用词表过滤标注数据集并进行分词获得训练数据集；A2、利用步骤A1中获得的训练数据集，训练浅层网络至收敛以获得粤语识别模型；A3、构建粤语特色词表，以步骤A1中获得的训练数据集中的语料为输入、以语料是否为粤语的判断结果为输出，基于粤语特色词表构建用于检索语料是否命中粤语特色词表的规则匹配模型；A4、以步骤A1中获得的训练数据集中的语料为输入、以语料是否为繁体中文的判断结果为输出构建简繁识别模型；A5、以粤语识别模型、规则匹配模型和简繁识别模型的输出训练融合模块。