异常用户检测方法及装置
    23.
    发明公开

    公开(公告)号:CN111163065A

    公开(公告)日:2020-05-15

    申请号:CN201911279299.8

    申请日:2019-12-13

    Abstract: 本发明提出了一种异常用户检测方法及装置,检测方法包括:获取用户的行为数据信息;对行为数据信息进行预处理,获得行为序列;将行为序列与预先训练的异常行为库中的异常行为特征进行匹配,以判定用户是否为异常用户;其中,行为序列包括:操作事件和时间间隔信息。根据本发明的异常用户检测方法,依据移动端用户行为的特点,充分利用异常用户特征,在行为序列挖掘过程中,加入时间间隔属性,进行带有时间间隔的行为序列挖掘,可以有效提升异常用户检测的准确率。

    一种融合多源信息的人名消歧方法及装置

    公开(公告)号:CN117149949B

    公开(公告)日:2024-12-17

    申请号:CN202311059658.5

    申请日:2023-08-22

    Abstract: 本发明公开了一种融合多源信息的人名消歧方法及装置,所述方法包括:将所有文本划分为若干个类;基于同名作者对应的机构名称、文本共同作者和文本主题内容,分别对每一类文本进行聚类,以得到该类文本的机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果;基于簇内机构信息及文本的共现信息,对机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果进行融合,得到该类文本的初步聚类结果;提取初步聚类结果中的单簇文本,并基于所述单簇文本与该类文本中其他文本的相似度进行单簇文本的融合后,得到人名消歧结果。本发明可以实现了更好的消歧准确率。

    一种基于多语义特征融合的文本分类方法和装置

    公开(公告)号:CN117271765A

    公开(公告)日:2023-12-22

    申请号:CN202311059507.X

    申请日:2023-08-22

    Abstract: 本发明公开了一种基于多语义特征融合的文本分类方法及装置,所述方法包括:获取待分类的文本,将所述待分类的文本进行预处理,得到处理后的文本;将词级粒度向量输入训练完毕的词级语义特征提取模型,得到词级语义特征;将句子级粒度向量输入训练完毕的句子级语义特征提取模型,得到句子级语义特征;基于文章级向量对所述处理后的文本进行特征提取,得到文本级语义特征;将所述词级语义特征、句子级语义特征以及文本级语义特征进行特征拼接融合,得到融合后特征,使用分类器对所述融合后特征进行分类。本方法从词粒度、句子粒度和文章粒度等多个层面对文本进行精细语义建模,利用文本的多语义融合特征进行文本分类,提高了文本分类的准确率。

    一种融合多源信息的人名消歧方法及装置

    公开(公告)号:CN117149949A

    公开(公告)日:2023-12-01

    申请号:CN202311059658.5

    申请日:2023-08-22

    Abstract: 本发明公开了一种融合多源信息的人名消歧方法及装置,所述方法包括:将所有文本划分为若干个类;基于同名作者对应的机构名称、文本共同作者和文本主题内容,分别对每一类文本进行聚类,以得到该类文本的机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果;基于簇内机构信息及文本的共现信息,对机构名第一聚类结果、共同作者第一聚类结果和主题内容第一聚类结果进行融合,得到该类文本的初步聚类结果;提取初步聚类结果中的单簇文本,并基于所述单簇文本与该类文本中其他文本的相似度进行单簇文本的融合后,得到人名消歧结果。本发明可以实现了更好的消歧准确率。

Patent Agency Ranking