-
公开(公告)号：CN111553146A
公开(公告)日：2020-08-18
申请号：CN202010387680.2
申请日：2020-05-09
IPC分类号： G06F40/279 , G06F40/284 , G06F40/289 , G06F40/258 , G06F40/216 , G06F16/35
摘要： 本发明涉及一种新闻写作风格建模方法、写作风格-影响力分析方法及新闻质量评估方法。本发明的目的是提供一种新闻写作风格建模方法、写作风格-影响力分析方法及新闻质量评估方法。本发明的技术方案是：一种新闻写作风格建模方法，其特征在于：根据量化的可读性、逻辑性、可信度、书面度、交互性、有趣度、动人性和结构完整性构建。本发明适用于社交媒体数据挖掘领域。
-
公开(公告)号：CN111553916A
公开(公告)日：2020-08-18
申请号：CN202010388676.8
申请日：2020-05-09
摘要： 本发明涉及一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的目的是提供一种基于多种特征和卷积神经网络的图像篡改区域检测方法。本发明的技术方案是：一种基于多种特征和卷积神经网络的图像篡改区域检测方法，其特征在于：获取待检测图像：对待检测图像进行基于双重压缩痕迹特征的篡改检测；将待检测图像输入具有RGB流和噪声流双流输入的双流卷积篡改检测网络模型进行检测；对待检测图像进行基于图像匹配的复制-粘帖检测；输出检测结果。本发明适用于数字图像取证领域。
-
公开(公告)号：CN112632998A
公开(公告)日：2021-04-09
申请号：CN202011498810.6
申请日：2020-12-17
IPC分类号： G06F40/295 , G06F40/242 , G06F16/35 , G06F16/953
摘要： 本发明涉及一种基于微博平台的事件关键人物提取方法。本发明的目的是提供一种基于微博平台的事件关键人物提取方法。本发明的技术方案是：一种基于微博平台的事件关键人物提取方法，其特征在于：所述事件关键人物包括事件中的关键人名，以及事件传播过程中的关键微博用户和信息源头用户，所述关键微博用户包括重要传播用户、事件发展节点用户、公众指向用户。本发明适用于信息抽取技术领域。
-
公开(公告)号：CN112597405A
公开(公告)日：2021-04-02
申请号：CN202011494253.0
申请日：2020-12-17
IPC分类号： G06F16/955 , G06F16/332 , G06F16/36
摘要： 本发明涉及一种基于微博平台的事件外部信息源提取方法。本发明的目的是提供一种基于微博平台的事件外部信息源提取方法。本发明的技术方案是：S01、获取事件相关微博中的外部信息源URL，并统计不同外部信息源URL的出现频率；S02、将外部信息源URL转换为长链接形式；S03、将长链接形式的外部信息源URL与垃圾URL词典逐一过滤，保留非垃圾的外部信息源URL；S04、将步骤S03保留的外部信息源URL与权威URL词典逐一比对；S05、对步骤S03保留的外部信息源URL逐一模拟点击访问，过滤无效地址；S06、对步骤S05保留的外部信息源URL依据步骤S04确定的权值进行排名，选取权值高的前N个外部信息源URL作为关键外部信息源。本发明适用于信息抽取技术领域。
-
公开(公告)号：CN112597380A
公开(公告)日：2021-04-02
申请号：CN202011494287.X
申请日：2020-12-17
IPC分类号： G06F16/9532 , G06F16/33 , G06F16/35 , G06F40/284
摘要： 本发明涉及一种基于微博平台的有价值新闻线索自动发现方法。本发明的目的是提供一种基于微博平台的有价值新闻线索自动发现方法。本发明的技术方案是：一种基于微博平台的有价值新闻线索自动发现方法，其特征在于：S01、获取种子模式；S02、检索获取包含所述种子模式的距检索时间比较近的微博，作为信号微博；S03、对所有信号微博进行聚类，每个类描述的是同一个事件，对事件提取摘要，作为候选线索；S04、利用候选线索检索微博，扩展事件，对扩展后的事件提取特征，利用训练好的打分模型根据提取的特征对事件进行打分，选取得分值高于一定阈值的事件，并提取其摘要作为有价值的新闻线索。本发明适用于信息挖掘技术领域。
-
公开(公告)号：CN113989841A
公开(公告)日：2022-01-28
申请号：CN202111262988.5
申请日：2021-10-28
申请人： 杭州中科睿鉴科技有限公司
IPC分类号： G06V40/10 , G06V10/74 , G06V10/774 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/08
摘要： 本发明涉及一种基于深度学习的宠物面部身份识别方法。本发明所采用的技术方案是：一种基于深度学习的宠物面部身份识别方法，其特征在于：获取两张待识别且包含宠物脸部的图像；对图像按宠物脸部进行图像对齐，利用宠物脸部的关键点对图像按双眼位置进行对齐；使用训练好的网络模型对经图像对齐处理的图像提取特征；基于提取的特征计算两张图像间的余弦相似度，如果两张图像特征的余弦相似度大于预设的模型阈值，则判断两张图像上的宠物为同一个体，否则判断为不同个体。本发明利用余弦相似度进行宠物身份验证或宠物身份检索，实现自动、便捷的识别宠物身份。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.06 秒)
