一种面向位置社交网络的基于图链接分析的兴趣点推荐方法

    公开(公告)号:CN108874877B

    公开(公告)日:2022-03-18

    申请号:CN201810415130.X

    申请日:2018-05-03

    IPC分类号: G06F16/9536 G06F16/9537

    摘要: 一种面向位置社交网络的基于图链接分析的兴趣点推荐方法,包括以下步骤:步骤1、构建基于个性化PageRank算法的用户模型;步骤2、构建基于幂律分布和PageRank算法的地理模型;步骤3、基于用户模型和地理模型的兴趣点混合推荐;对用户模型的推荐得分和地理模型的推荐得分进行带权重的线性相加,计算混合推荐的兴趣点推荐得分,将推荐得分高的兴趣点集合推荐给用户。本发明的兴趣点推荐方法采用图链接分析的方法来分析用户之间的影响和兴趣点之间的影响,一方面考虑到用户之间的影响在所有用户构成的图结构中的传播,另一方面考虑到兴趣点之间的相互影响在所有兴趣点构成的图结构中的传播。

    一种基于商品评论舆情的跨境产品质量风险模糊预测方法

    公开(公告)号:CN108733748B

    公开(公告)日:2022-01-14

    申请号:CN201810300790.3

    申请日:2018-04-04

    摘要: 一种基于商品评论舆情的跨境产品质量风险模糊预测方法,包括采集数据;数据预处理,数据预处理包括文本分析和数据转换;构建商品分词库和产品质量评论词库;构建商品分类库;根据检验检疫的抽检报告数据和风险评价标准对产品进行参考风险等级标注;商品评论舆情分析,提取评论信息中的差评评论;差评评论质量相关度分析,计算同一类目下的商品的质量差评评论数量;构建风险预测模型,风险预测模型包括隶属函数和BP神经网络;风险预测模型输出预测风险等级,根据预测风险等级预测产品质量风险。本发明的预测方法可以通过用户对某一类商品的质量评价内容的判断,从侧面了解该商品和该大类商品目录下的质量情况。

    一种面向位置社交网络的基于图链接分析的兴趣点推荐方法

    公开(公告)号:CN108874877A

    公开(公告)日:2018-11-23

    申请号:CN201810415130.X

    申请日:2018-05-03

    IPC分类号: G06F17/30

    摘要: 一种面向位置社交网络的基于图链接分析的兴趣点推荐方法,包括以下步骤:步骤1、构建基于个性化PageRank算法的用户模型;步骤2、构建基于幂律分布和PageRank算法的地理模型;步骤3、基于用户模型和地理模型的兴趣点混合推荐;对用户模型的推荐得分和地理模型的推荐得分进行带权重的线性相加,计算混合推荐的兴趣点推荐得分,将推荐得分高的兴趣点集合推荐给用户。本发明的兴趣点推荐方法采用图链接分析的方法来分析用户之间的影响和兴趣点之间的影响,一方面考虑到用户之间的影响在所有用户构成的图结构中的传播,另一方面考虑到兴趣点之间的相互影响在所有兴趣点构成的图结构中的传播。

    一种基于商品评论舆情的跨境产品质量风险模糊预测方法

    公开(公告)号:CN108733748A

    公开(公告)日:2018-11-02

    申请号:CN201810300790.3

    申请日:2018-04-04

    IPC分类号: G06F17/30 G06N3/08

    摘要: 一种基于商品评论舆情的跨境产品质量风险模糊预测方法,包括采集数据;数据预处理,数据预处理包括文本分析和数据转换;构建商品分词库和产品质量评论词库;构建商品分类库;根据检验检疫的抽检报告数据和风险评价标准对产品进行参考风险等级标注;商品评论舆情分析,提取评论信息中的差评评论;差评评论质量相关度分析,计算同一类目下的商品的质量差评评论数量;构建风险预测模型,风险预测模型包括隶属函数和BP神经网络;风险预测模型输出预测风险等级,根据预测风险等级预测产品质量风险。本发明的预测方法可以通过用户对某一类商品的质量评价内容的判断,从侧面了解该商品和该大类商品目录下的质量情况。

    一种基于百度贴吧的网民学业情绪分析方法

    公开(公告)号:CN108363699A

    公开(公告)日:2018-08-03

    申请号:CN201810233206.7

    申请日:2018-03-21

    IPC分类号: G06F17/27 G06F17/30

    摘要: 一种基于百度贴吧的网民学业情绪分析方法,包括:数据采集和提取;采集百度贴吧中高考吧主题帖子,形成数据集;数据预处理;首先,去除数据集中的帖子内容中的非文本信息;其次,进行中文分词,对帖子文本中的词汇进行词性分析,去除相关的停用词;学业情绪分类;对数据预处理后的数据集按照13类学业情绪进行学业情绪标注,学业情绪标注包括人工标注机器学习和机器标注;对学业情绪分类结果进行相关性与差异性分析。本发明运用学业情绪人工分类和采用机器学习方法对数据集进行情绪分类,判断整体情绪,并统计各情绪强度和占比,最后根据时间序列、情绪拐点和关键事件、学业情绪的群体特征等多个方面,对高考事件中网民的学业情绪的时间发展特征和群体特征进行多角度分析。