公开(公告)号：CN110990564A

公开(公告)日：2020-04-10

申请号：CN201911133898.9

申请日：2019-11-19

Applicant: 北京信息科技大学

Inventor： 张仰森 ,  周炜翔 ,  黄改娟

IPC: G06F16/35 ,  G06F16/33 ,  G06F16/9535 ,  G06F40/30

Abstract: 本发明公开了一种基于情感计算与多头注意力机制的负面新闻识别方法，涉及网络舆情监测技术领域，解决的技术问题是如何解决客观性负面新闻难以识别的问题，包括如下具体步骤：(1)对网络新闻文本数据进行采集和预处理；(2)建立并扩充负向情感种子词库并进行感倾向度计算；(3)进行向量化表示，确定判别模型的输入；(4)建立负面新闻判别模型；(5)进行负面新闻识别。本发明有效地克服了对负面新闻难以识别的问题，在负面新闻文本的识别正确率及有效性上都取得了良好的效果。

公开(公告)号：CN110489665B

公开(公告)日：2023-11-14

申请号：CN201910759011.0

申请日：2019-08-16

Applicant: 北京信息科技大学

Inventor： 张仰森 ,  周炜翔 ,  黄改娟 ,  陈若愚 ,  尤建清 ,  魏文杰

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F16/951 ,  G06F40/289 ,  G06Q50/00 ,  G06N3/0464 ,  G06F18/22

Abstract: 本发明提供一种基于情景建模和卷积神经网络的微博个性化推荐方法，首先从时间和地域两个维度对用户进行情景建模，提取用户的时间情景模式和地域情景模式；然后，构建情景模式相似度计算方法对用户的情景模式进行扩展，捕捉用户感兴趣的情景模式倾向，构建用户个性化情景模式库；最后，采用卷积神经网络构建个性化微博推荐模型，实现微博用户的个性化推荐。情景模型的构建和卷积神经网络的引入，对于捕获用户的兴趣提供了很大的帮助。最终本发明基于真实的微博数据与现有算法进行对比，证明了该模型具有很好的推荐效果，相比于现有模型在用户满意度和平均绝对误差上都提升了3％‑4％。

公开(公告)号：CN110489665A

公开(公告)日：2019-11-22

申请号：CN201910759011.0

申请日：2019-08-16

Applicant: 北京信息科技大学

Inventor： 张仰森 ,  周炜翔 ,  黄改娟 ,  陈若愚 ,  尤建清 ,  魏文杰

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F16/951 ,  G06F17/27 ,  G06Q50/00 ,  G06N3/04 ,  G06K9/62

Abstract: 本发明提供一种基于情景建模和卷积神经网络的微博个性化推荐方法，首先从时间和地域两个维度对用户进行情景建模，提取用户的时间情景模式和地域情景模式；然后，构建情景模式相似度计算方法对用户的情景模式进行扩展，捕捉用户感兴趣的情景模式倾向，构建用户个性化情景模式库；最后，采用卷积神经网络构建个性化微博推荐模型，实现微博用户的个性化推荐。情景模型的构建和卷积神经网络的引入，对于捕获用户的兴趣提供了很大的帮助。最终本发明基于真实的微博数据与现有算法进行对比，证明了该模型具有很好的推荐效果，相比于现有模型在用户满意度和平均绝对误差上都提升了3％-4％。

公开(公告)号：CN110990564B

公开(公告)日：2023-12-01

申请号：CN201911133898.9

申请日：2019-11-19

Applicant: 北京信息科技大学

Inventor： 张仰森 ,  周炜翔 ,  黄改娟

IPC: G06F16/35 ,  G06F16/33 ,  G06F16/9535 ,  G06F40/30

Abstract: 本发明公开了一种基于情感计算与多头注意力机制的负面新闻识别方法，涉及网络舆情监测技术领域，解决的技术问题是如何解决客观性负面新闻难以识别的问题，包括如下具体步骤：建立并扩充负向情感种子词库并进行感倾向度计算；(3)进行向量化表示，确定判别模型的输入；(4)建立负面新闻判别模型；(5)进行负面新闻识别。本发明有效地克服了对负面新闻难以识别的问题，在负面新闻文本的识别正确率及有效性上都取得了良好的效果。(1)对网络新闻文本数据进行采集和预处理；(2)