-
公开(公告)号:CN108628828A
公开(公告)日:2018-10-09
申请号:CN201810347840.3
申请日:2018-04-18
申请人: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
摘要: 本发明一种基于自注意力的观点及其持有者的联合抽取方法:S1.构建提取观点及其持有者的语料集;S2.识别包含观点的语句;S3.联合抽取观点及其持有者。本发明优点:1、文本分类模型避免了抽取出的句子不包含观点的情况;2、观点及其持有者联合抽取模型摆脱了词性标注、命名实体识别和句法依存分析等自然语言处理环节,避免这些环节出现误差对模型提取效果的影响,且该模型有很高灵活度和覆盖面;3、本发明包含构建提取观点及其持有者的语料集,识别包含观点的语句,联合抽取观点及其持有者。4、本发明在双向LSTM的基础上使用self-attention有效结合两者优点,使词语序列的表示语义更丰富,训练的模型准确率更高。
-
公开(公告)号:CN108628828B
公开(公告)日:2022-04-01
申请号:CN201810347840.3
申请日:2018-04-18
申请人: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
IPC分类号: G06F40/30 , G06F40/289 , G06F16/35
摘要: 本发明一种基于自注意力的观点及其持有者的联合抽取方法:S1.构建提取观点及其持有者的语料集;S2.识别包含观点的语句;S3.联合抽取观点及其持有者。本发明优点:1、文本分类模型避免了抽取出的句子不包含观点的情况;2、观点及其持有者联合抽取模型摆脱了词性标注、命名实体识别和句法依存分析等自然语言处理环节,避免这些环节出现误差对模型提取效果的影响,且该模型有很高灵活度和覆盖面;3、本发明包含构建提取观点及其持有者的语料集,识别包含观点的语句,联合抽取观点及其持有者。4、本发明在双向LSTM的基础上使用self‑attention有效结合两者优点,使词语序列的表示语义更丰富,训练的模型准确率更高。
-
公开(公告)号:CN108804594A
公开(公告)日:2018-11-13
申请号:CN201810523561.8
申请日:2018-05-28
申请人: 国家计算机网络与信息安全管理中心 , 北京天润基业科技发展股份有限公司
IPC分类号: G06F17/30
摘要: 本发明涉及一种新闻内容全文检索引擎的构建方法及装置,该方法步骤如下:获取带有实时访问信息的实时网站日志;获取带有新闻热度评论信息的新闻网站的数据;对所述实时网站日志和所述新闻网站数据分类;对分类后的所述新闻网站数据进行处理、索引并存储;获取新闻网站数据中国的新闻元信息并存储;获取新闻网站数据中的热度信息进行存储,并对新闻网站数据中的热度信息统计。本发明在查询性能、索引空间和构建性能方面实现了合理的平衡;考虑到统计数据随时间变化的特性,动态更新索引结果;提高了系统的健壮性;提高统计数据与文本数据的复合查询性能。
-
公开(公告)号:CN110990711B
公开(公告)日:2023-05-12
申请号:CN201910392858.X
申请日:2019-05-13
申请人: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC分类号: G06F16/9536 , G06F16/958 , G06Q50/00 , G06N20/00
摘要: 本发明公开了基于机器学习的微信公众号推荐算法,包括:为训练文本标注标签,获取训练文本的关键词及关键词向量,对关键词向量进行聚类计算,获得簇,并确定簇的中心向量;采集公众号文本,获取公众号文本的关键词及关键词向量,根据关键词向量与中心向量的相似度确定公众号文本对应的标签,获得标签分析结果;根据目标用户的历史行为确定目标用户的喜好标签;从标签分析结果中选取与喜好标签相关的标签,将相关的标签对应的公众号文本推荐给目标用户。本发明还提供了基于机器学习的微信公众号推荐系统。本发明能够根据分析用户喜好,进而自动推荐合适的公众号,避免用户受各种良莠不齐的公众号干扰,避免花费过多时间用于挑选公众号文章。
-
公开(公告)号:CN110990711A
公开(公告)日:2020-04-10
申请号:CN201910392858.X
申请日:2019-05-13
申请人: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC分类号: G06F16/9536 , G06F16/958 , G06Q50/00 , G06N20/00
摘要: 本发明公开了基于机器学习的微信公众号推荐算法,包括:为训练文本标注标签,获取训练文本的关键词及关键词向量,对关键词向量进行聚类计算,获得簇,并确定簇的中心向量;采集公众号文本,获取公众号文本的关键词及关键词向量,根据关键词向量与中心向量的相似度确定公众号文本对应的标签,获得标签分析结果;根据目标用户的历史行为确定目标用户的喜好标签;从标签分析结果中选取与喜好标签相关的标签,将相关的标签对应的公众号文本推荐给目标用户。本发明还提供了基于机器学习的微信公众号推荐系统。本发明能够根据分析用户喜好,进而自动推荐合适的公众号,避免用户受各种良莠不齐的公众号干扰,避免花费过多时间用于挑选公众号文章。
-
公开(公告)号:CN108880980A
公开(公告)日:2018-11-23
申请号:CN201810403059.3
申请日:2018-04-28
申请人: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
摘要: 本发明公开一种基于微信群信息的数据分析系统,包括:信息采集模块,其每隔预设时间按发送顺序采集一批预设数量的微信群消息的html标签;数据分析模块,其将信息采集模块采集到的html标签通过正则解析得出其中包含的每条群消息的属性,所述群消息属性包括群编号、群消息编号;缓存去重模块,其将每条群消息属性包含的群编号和群消息编号进行哈希运算得到哈希值,再将相邻两批次中的每条群消息的哈希值对比,若有重复部分,则将后一批次中哈希值重复的群消息删除;多媒体提取模块;对象存储模块;关键词提取模块;群消息库模块。本发明具有能将采集到的微信群消息数据进行分析和统计,最后直观的展示出来,可以有效、直观的监测微信群的优点。
-
公开(公告)号:CN108846017A
公开(公告)日:2018-11-20
申请号:CN201810426304.2
申请日:2018-05-07
申请人: 国家计算机网络与信息安全管理中心 , 北京天润基业科技发展股份有限公司
摘要: 本发明一种基于Bi-GRU和字向量的大规模新闻文本的端到端分类方法,包括如下步骤:S1.进行Word Embedding的字级别语义特征表示;S2.构建注意力权重的Bi-GRU字级别的句子特征编码模型;S3.搭建基于注意力权重的Bi-GRU句子级别特征编码模型;S4.使用分层Softmax实现端到端分类实现。本发明方法可降低向量的维度,且有效地防止特征过于稀疏问题。优化了最终的输出向量,增强了模型特征编码有效性。避免维度过高造成的模型难以训练问题,又提供了额外的语义信息。可灵活组合特征抽取模型和各种常见分类器,方便更换调试分类器。计算复杂度比Softmax从|K|降低到log|K|。
-
公开(公告)号:CN113268673B
公开(公告)日:2023-06-02
申请号:CN202110443364.7
申请日:2021-04-23
申请人: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC分类号: G06F16/9536 , G06F40/253 , G06F40/284
摘要: 本发明公开了一种互联网行动类信息线索分析的方法,包括:从互联网获取信息文本;将信息文本输入预训练的行动线索标注算法模型中,应用预训练的行动线索标注算法模型获取信息文本中的行动类信息线索单词;其中,所述行动类信息线索单词的实体类型包括自定义类型,所述行动线索标注算法模型对属于自定义类型的单词的权重进行增量运算。本发明可以对采集内容进行快速的语法分析,获取内容中用户关注的时间、地点、人物和活动等行动类线索信息,这样就可以对关键词信息进行标注或分类,最终让用户可以很清晰、明了的查看线索信息内容。
-
公开(公告)号:CN111046129A
公开(公告)日:2020-04-21
申请号:CN201910392857.5
申请日:2019-05-13
申请人: 国家计算机网络与信息安全管理中心 , 北京蓝光汇智网络科技有限公司
IPC分类号: G06F16/31 , G06F16/953 , G06Q50/00
摘要: 本发明公开了基于文本内容特征的公众号信息存储方法,包括:采集公众号文章,提取公众号文章的唯一标识和特征文本,并将特征文本转化为特征标识,并将公众号文章与特征标识关联存储;根据公众号文章确定索引字段,建立索引字段与公众号文章的关联关系,生成索引数据,所述索引字段至少包括唯一标识;为多个索引节点分别配置唯一标识范围,将索引数据按照其唯一标识存储至相应的索引节点。本发明还提供了基于文本内容特征的公众号信息检索系统。本发明能够避免大量相同文章同时显示,并且能够保证检索系统的稳定性和效率。
-
公开(公告)号:CN118503420A
公开(公告)日:2024-08-16
申请号:CN202410583474.7
申请日:2024-05-11
申请人: 国家计算机网络与信息安全管理中心
IPC分类号: G06F16/35 , G06F40/216 , G06F40/289 , G06N3/0464
摘要: 本公开涉及一种立场分析方法、装置、电子设备及存储介质。其中,立场分析方法包括:获取待处理文本以及待处理文本对应的词语集合和词语集合中每个词语的词频;基于每个词语的词频计算每个词语对应的互信息值,并根据互信息值确定待处理文本对应的多个主题短语;计算多个主题短语与待处理文本之间的关系矩阵;基于关系矩阵对待处理文本的每个主题短语的立场进行分析,得到每个主题短语对应的立场分析结果,由此,能够通过确定多个主题短语与待处理文本之间的关系矩阵,根据关系矩阵对每个主题短语进行立场分析,得到主题短语对应的立场分析结果,避免了立场分析模型难以泛化的问题,提高了待处理文本对应的主题短语的立场分析结果。
-
-
-
-
-
-
-
-
-