-
公开(公告)号：CN112100518B
公开(公告)日：2023-11-28
申请号：CN202010995705.7
申请日：2020-09-21
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/289
Abstract: 本发明公开了一种考虑用户在线关系网络的舆情主题发现方法，其步骤包括：1构建用户在线关系网络，2设计有参贝叶斯模型user link topic model生成文本主题，3利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，从而为决策者提供重要信息，用于评估在过去特定时间内对于民众舆情引导效果，并有助于及时了解用户当下所关心的热点话题。
-
公开(公告)号：CN111506785B
公开(公告)日：2023-07-07
申请号：CN202010150112.0
申请日：2020-03-06
IPC: G06F16/9032 , G06F16/951 , G06F40/284 , G06N7/01 , G06Q50/00 , G06Q50/26
Abstract: 本发明提供一种基于社交文本的网络舆情话题识别方法，涉及文本数据处理技术领域。本发明考虑到噪音词对文本话题发现的影响，将生成词中的主题词和生成词的噪声词分开，将噪音词过滤并推断出每个词的主题词分布，从而能准确的判断出生成该词对应的网络舆情话题，提高网络舆情话题识别的准确率，为后续的舆情监测、政府或者相关管理部门舆情引导和个性化营销等实际场景提供准确的数据支持。
-
公开(公告)号：CN112100518A
公开(公告)日：2020-12-18
申请号：CN202010995705.7
申请日：2020-09-21
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/289
Abstract: 本发明公开了一种考虑用户在线关系网络的舆情主题发现方法，其步骤包括：1构建用户在线关系网络，2设计有参贝叶斯模型user link topic model生成文本主题，3利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，从而为决策者提供重要信息，用于评估在过去特定时间内对于民众舆情引导效果，并有助于及时了解用户当下所关心的热点话题。
-
公开(公告)号：CN114611011B
公开(公告)日：2024-03-29
申请号：CN202210232835.4
申请日：2022-03-09
IPC: G06F16/9536 , G06F16/35 , G06F40/289 , G06Q50/00
Abstract: 本发明公开了一种考虑动态舆情主题的高影响力用户发现方法，其步骤包括：1、构建不同时期的用户在线关系网络，2、设计动态有参贝叶斯模型生成不同时期的舆情主题，3、识别不同时期的高影响力用户。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，并能有效发现不同时期的舆情主题演变及高影响力用户，从而为决策者提供重要信息，帮助决策者在特定时间内引导民众舆情，及时了解舆情主题变化。
-
公开(公告)号：CN114611011A
公开(公告)日：2022-06-10
申请号：CN202210232835.4
申请日：2022-03-09
IPC: G06F16/9536 , G06F16/35 , G06F40/289 , G06Q50/00
Abstract: 本发明公开了一种考虑动态舆情主题的高影响力用户发现方法，其步骤包括：1、构建不同时期的用户在线关系网络，2、设计动态有参贝叶斯模型生成不同时期的舆情主题，3、识别不同时期的高影响力用户。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，并能有效发现不同时期的舆情主题演变及高影响力用户，从而为决策者提供重要信息，帮助决策者在特定时间内引导民众舆情，及时了解舆情主题变化。
-
Patent Agency Ranking
公开(公告)号：CN111506785A
公开(公告)日：2020-08-07
申请号：CN202010150112.0
申请日：2020-03-06
IPC: G06F16/9032 , G06F16/951 , G06F40/284 , G06N7/00 , G06Q50/00 , G06Q50/26
Abstract: 本发明提供一种基于社交文本的网络舆情话题识别方法，涉及文本数据处理技术领域。本发明考虑到噪音词对文本话题发现的影响，将生成词中的主题词和生成词的噪声词分开，将噪音词过滤并推断出每个词的主题词分布，从而能准确的判断出生成该词对应的网络舆情话题，提高网络舆情话题识别的准确率，为后续的舆情监测、政府或者相关管理部门舆情引导和个性化营销等实际场景提供准确的数据支持。
-
公开(公告)号：CN113343679B
公开(公告)日：2024-02-13
申请号：CN202110762186.4
申请日：2021-07-06
Applicant: 合肥工业大学
IPC: G06F40/279 , G06F40/216
Abstract: 本发明公开了一种基于标签约束的多模态主题挖掘方法，其步骤包括：1.构建多模态文档中数据集合，2.建模文档标签主题分布，3.建模文档中的文本标签主题与视觉标签主题，4.建立基于标签约束的多模态主题模型，5.利用坍塌式吉布斯采样算法进行参数学习。本发明在应对带有标签的关联文本和图像数据时，能快速且精准的学习到多模态主题，从而为推荐和检索等数据挖掘任务提供有利支撑。
-
公开(公告)号：CN112905740B
公开(公告)日：2022-08-30
申请号：CN202110166426.4
申请日：2021-02-04
Applicant: 合肥工业大学
IPC: G06F16/33 , G06F16/335 , G06F16/953 , G06Q30/02
Abstract: 本发明公开了一种竞品层次的主题偏好挖掘方法，包括：1构建用户数据集合并表示，2建模竞争子市场、与竞争相关的主题以及背景主题，3建模用户的有限注意，4构建有参贝叶斯模型，5利用坍塌式吉布斯采样算法进行参数推断。本发明在应对大规模的用户生成内容时，能够有效、快速、准确地识别竞争子市场以及竞争子市场对应的主题，有助于企业快速识别竞争对手，洞察用户对竞争性产品关注的焦点话题。
-
公开(公告)号：CN111667298A
公开(公告)日：2020-09-15
申请号：CN202010297189.0
申请日：2020-04-15
Applicant: 合肥工业大学
Abstract: 本发明提供一种用户个性化需求预测方法和系统，涉及个性化需求预测领域。包括以下步骤：本发明通过获取用户数据、产品数据和用户兴趣数据，并形成历史数据；基于历史数据得到用户隐群；基于历史数据设定用户隐群的兴趣选择器，基于用户隐群和兴趣选择器获取隐群-兴趣分布；基于历史数据设定用户兴趣的产品选择器；对用户兴趣进行采样，得到目标兴趣；基于目标兴趣和产品选择器获取兴趣-产品分布；基于隐群-兴趣分布和兴趣-产品分布构建双稀疏模型，基于双稀疏模型获取用户个体-兴趣分布；基于用户个体-兴趣分布和兴趣-产品分布获取用户对产品的偏好得分，基于偏好得分获取用户的产品推荐结果。本发明可以准确预测用户的个性化需求。
-
公开(公告)号：CN110209962A
公开(公告)日：2019-09-06
申请号：CN201910505584.0
申请日：2019-06-12
Applicant: 合肥工业大学
IPC: G06F16/955 , G06F16/34 , G06K9/62 , G06Q50/00
Abstract: 本发明提供主题层次高影响力用户的获取方法和系统，涉及数据处理技术领域。本发明结合社交网络两个方面的用户数据信息：用户链接信息和用户文本信息，提出一种有参贝叶斯模型—稀疏链接主题模型，稀疏链接主题模型基于用户感兴趣的焦点主题进行构建和训练，替代原有用户对主题具有广泛关注的假设，这样模型对数据分析的结果才更贴近实际情况，能够更准确地发现主题层次高影响力用户，从而更好地发掘用户的社会关系与实际需求。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.032 seconds)
