-
公开(公告)号：CN116011515B
公开(公告)日：2024-01-26
申请号：CN202211671186.4
申请日：2022-12-26
申请人： 人民网股份有限公司
IPC分类号： G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/82
摘要： 本申请公开了一种几何神经网络模型构建方法、装置、设备及存储介质。其中，所述方法包括：根据预设模型确定神经网络的连接关系、节点、连边和连边方向；其中，节点用于对数据进行特征处理；连边表征神经网络中的数据流；连边方向表征数据的传递方向；根据节点对数据的特征处理确定节点模型；其中，节点模型包含预设个卷积层；根据神经网络的连接关系与节点模型，构建几何神经网络模型；其中，几何神经网络模型包括提取图像的低层次特征、神经网络中的特征重用、特征通道线性组合、构建图像的全局特征、网络正则化中的至少一部分功能实现。本方案将具有自然特征的预设模型与神经网络结合，形成具有自然网络特征的几何神经网络模型。
-
公开(公告)号：CN115829159B
公开(公告)日：2023-11-10
申请号：CN202211710495.8
申请日：2022-12-29
申请人： 人民网股份有限公司
IPC分类号： G06Q10/04 , G06Q50/00 , G06F40/30 , G06N3/044 , G06N3/0464
摘要： 本申请公开了一种社交媒体粉丝新增预测方法、装置、设备及存储介质。其中，所述方法包括：根据潜在粉丝用户在社交媒体上的历史交互行为确定所述潜在粉丝用户对应的粉丝历史微博文本序列，并根据微博博主在社交媒体上的历史交互行为确定所述微博博主对应的博主历史微博文本序列；根据所述粉丝历史微博文本序列确定所述潜在粉丝用户的粉丝历史行为序列表示，并基于所述博主历史微博文本序列确定所述微博博主的博主历史行为序列表示；根据所述粉丝历史行为序列表示和所述博主历史行为序列表示预测所述潜在粉丝用户与所述微博博主是否会发生关注关系。本方案基于新浪微博社交媒体场景，提出一种新颖的思路和方法实现粉丝新增预测。
-
公开(公告)号：CN115878907B
公开(公告)日：2023-08-11
申请号：CN202211697432.3
申请日：2022-12-28
申请人： 人民网股份有限公司
IPC分类号： G06F16/9536 , G06Q10/04 , G06Q50/00 , G06F16/33 , G06N3/0455 , G06N3/08
摘要： 本发明实施例公开了一种基于用户依赖关系的社交网络转发行为预测方法及装置，方法包括：根据用户社交关系确定用户群体，得到用户群体中各用户的第一嵌入向量；根据转发过程以及用户的第一嵌入向量，计算得到包含上下文依赖向量的用户的第二嵌入向量；根据用户的第二嵌入向量以及预设方向掩码，基于自注意力机制，按照用户转发文本内容的顺序进行跨层连接及归一化处理，得到转发过程的转发用户序列嵌入；根据文本内容，确定文本内容的转发文本嵌入向量；根据文本内容的转发文本嵌入向量以及转发用户序列嵌入，计算得到转发用户序列嵌入对文本内容的注意力结果，根据注意力结果得到用户转发文本内容的预测概率。
-
公开(公告)号：CN115829159A
公开(公告)日：2023-03-21
申请号：CN202211710495.8
申请日：2022-12-29
申请人： 人民网股份有限公司
IPC分类号： G06Q10/04 , G06Q50/00 , G06F40/30 , G06N3/044 , G06N3/0464
摘要： 本申请公开了一种社交媒体粉丝新增预测方法、装置、设备及存储介质。其中，所述方法包括：根据潜在粉丝用户在社交媒体上的历史交互行为确定所述潜在粉丝用户对应的粉丝历史微博文本序列，并根据微博博主在社交媒体上的历史交互行为确定所述微博博主对应的博主历史微博文本序列；根据所述粉丝历史微博文本序列确定所述潜在粉丝用户的粉丝历史行为序列表示，并基于所述博主历史微博文本序列确定所述微博博主的博主历史行为序列表示；根据所述粉丝历史行为序列表示和所述博主历史行为序列表示预测所述潜在粉丝用户与所述微博博主是否会发生关注关系。本方案基于新浪微博社交媒体场景，提出一种新颖的思路和方法实现粉丝新增预测。
-
公开(公告)号：CN115795177A
公开(公告)日：2023-03-14
申请号：CN202211489242.2
申请日：2022-11-25
申请人： 人民网股份有限公司
IPC分类号： G06F16/9536 , G06N3/0464
摘要： 本发明实施例公开了一种社交媒体内容推荐方法及装置，方法包括：根据用户信息和内容信息，利用第一预设模型获取用户的原始嵌入和内容的原始嵌入；构建用户相似度矩阵，并根据用户相似度矩阵筛选确定邻居用户对用户的原始嵌入进行修正，得到用户的修正嵌入；以及，构建内容相似度矩阵，并根据内容相似度矩阵筛选确定邻居内容对内容的原始嵌入进行修正，得到内容的修正嵌入；构建元路径下的路径实例，确定对应的元路径的嵌入，并根据元路径的嵌入、用户的修正嵌入以及内容的修正嵌入基于自注意力机制计算得到用户与内容的元路径的终值嵌入；将用户的修正嵌入、内容的修正嵌入以及元路径的终值嵌入拼接输入第二预设模型，得到用户与内容的推荐结果。
-
公开(公告)号：CN117095416A
公开(公告)日：2023-11-21
申请号：CN202310891347.9
申请日：2023-07-19
申请人： 人民网股份有限公司
摘要： 本发明公开了一种文本来源识别方法、装置、计算设备及存储介质。其中，方法包括：获取目标文本；将目标文本输入至基于机器学习算法训练得到的文本来源识别模型中；获取文本来源识别模型输出的目标文本的文本来源，文本来源包括人工生成和/或机器生成。本方案由基于机器学习算法训练的文本识别模型来识别目标文本的文本来源，从而能够准确地分辨出目标文本是由人工生成还是机器生成，并且无需人工识别目标文本的文本来源，有利于提升文本来源的识别效率以及节约人工成本。
-
公开(公告)号：CN116737938A
公开(公告)日：2023-09-12
申请号：CN202310891342.6
申请日：2023-07-19
申请人： 人民网股份有限公司
IPC分类号： G06F16/35 , G06F18/24 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于微调大模型在线数据网络细粒度情感检测方法及装置，方法包括：根据待检测文本以及预设情绪提示词构建句子结构，并根据句子结构生成待输入数据；待输入数据基于标注器对句子结构转化的令牌列表得到；将待输入数据输入至训练得到的预设大模型中，经预设大模型中各神经网络层对待输入数据进行处理，得到细粒度的情感检测结果；其中，预设大模型包括预训练语言模型；预设大模型中各神经网络层包含的高阶权重矩阵在冻结后与预设低秩矩阵相加，以便对预设大模型进行微调。本发明充分利用预设大模型在海量数据上预训练的语境理解能力，避免短文本评论中只提供有限的语境信息，通过微调极少量参数即可精准检测文本所表述的情感。
-
公开(公告)号：CN116228447A
公开(公告)日：2023-06-06
申请号：CN202310021829.9
申请日：2023-01-06
IPC分类号： G06Q50/00 , G06F18/23211 , G06F17/18
摘要： 本发明提出了一种互联网信息传播用户角色识别方法及计算机可读介质。通过每个用户节点、每个用户节点的每条转发数据构建进化级联图；通过遍历进化级联图中每个用户节点的每条转发数据得到多个发起者用户节点；结合每个早期中间用户节点的多条转发数据通过带权重的K‑Shell分解方法筛选得到多个引导者用户节点；结合每个高峰期中间用户节点的多条转发数据通过节点传播强度信息熵方法筛选得到多个推动者用户节点；将多个用户节点中划分多个一般用户节点；根据多个发起者用户节点、多个引导者用户节点、多个推动者用户节点、多个一般用户节点实现互联网信息传播中用户的网络行为角色定位与分析。本发明利用多方面的特征来实现互联网传播用户角色分析。
-
公开(公告)号：CN115759482A
公开(公告)日：2023-03-07
申请号：CN202211708983.5
申请日：2022-12-29
申请人： 人民网股份有限公司
IPC分类号： G06Q10/04 , G06F16/9536 , G06Q50/00
摘要： 本发明公开了一种社交媒体内容传播预测方法和装置，该方法包括：获取历史社交媒体内容以及历史社交媒体内容对应的历史转发关系数据，依据历史社交媒体内容以及历史转发关系数据构建得到内容传播过程对应的级联结构图；通过基于注意力机制的Transformer网络为级联结构图中的节点设置时间特征，得到第一处理结果；利用变分编码器对级联结构图在节点维度和时间维度进行处理，得到第二处理结果；根据待预测社交媒体内容、第一处理结果和第二处理结果，预测待预测社交媒体内容在指定预测时段内的传播数据。本发明聚合了社交媒体内容传播过程中的拓扑信息，对历史内容发布、转发时间、转发用户层面和时间层面的不确定性进行建模，提升了预测效果。
-
公开(公告)号：CN117095416B
公开(公告)日：2024-03-29
申请号：CN202310891347.9
申请日：2023-07-19
申请人： 人民网股份有限公司
摘要： 本发明公开了一种文本来源识别方法、装置、计算设备及存储介质。其中，方法包括：获取目标文本；将目标文本输入至基于机器学习算法训练得到的文本来源识别模型中；获取文本来源识别模型输出的目标文本的文本来源，文本来源包括人工生成和/或机器生成。本方案由基于机器学习算法训练的文本识别模型来识别目标文本的文本来源，从而能够准确地分辨出目标文本是由人工生成还是机器生成，并且无需人工识别目标文本的文本来源，有利于提升文本来源的识别效率以及节约人工成本。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.131 秒)
