CN102567512B - 网页视频分类控制的方法和装置 - Google Patents
网页视频分类控制的方法和装置 Download PDFInfo
- Publication number
- CN102567512B CN102567512B CN201110444815.5A CN201110444815A CN102567512B CN 102567512 B CN102567512 B CN 102567512B CN 201110444815 A CN201110444815 A CN 201110444815A CN 102567512 B CN102567512 B CN 102567512B
- Authority
- CN
- China
- Prior art keywords
- web page
- video
- classification
- training
- video web
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
本发明揭示了一种网页视频分类控制的方法和装置,该方法包括步骤:根据进入网关的网页视频的特征对网页视频分类;根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入。本发明提供的一种网页视频分类控制的方法和装置,可对进入内网的网页视频进行分类控制,有效控制网页视频的准入。
Description
技术领域
本发明涉及到通信领域,尤其涉及到一种网页视频分类控制的方法和装置。
背景技术
随着互联网的发展,网页视频的数量和种类剧增,人们愈来愈趋于通过网络观看视频。参照图1,图1所示为现有内网的通讯架构,内网的客户端通过网关从互联网上下载各种网页视频如足球比赛、娱乐节目、行业新闻或业务等,其中隐藏的问题是对于企业来说,有些网页视频是不被允许的,如员工上班时间观看网页视频,导致公司带宽被大量占用而使公司正常业务无法正常运行,再如一些不良网页视频在网络上肆意传播对社会造成不良影响。面对这些问题,最简单的做法就是禁止任何网页视频。但实际工作有些网页视频是与工作密切相关的如行业新闻视频和业务方面的视频,所以这种方法并不能总是有效。
因此需要一种有效的方法和机制来对网页视频进行分类,有针对性的对某类视频进行控制。遗憾的是,当前并没有一种完整的方法来解决这个问题。
发明内容
本发明的主要目的为提供一种网页视频分类控制的方法和装置,可对欲进入内网的网页视频进行分类控制,有效控制网页视频的准入。
本发明提出一种网页视频分类控制的方法,包括步骤:
根据进入网关的网页视频的特征对网页视频分类;
根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入。
优选地,在执行所述控制网页视频的准入之后,还包括:
根据预置的网页视频审计策略审计所述网页视频。
优选地,所述根据进入网关的网页视频的特征对网页视频分类包括:
提取所述网页视频的网页文本特征和视频内容特征;
根据预置的预训练分类器对所述网页文本特征分类,产生有效文本特征;
耦合所述有效文本特征与所述视频内容特征,得到视频特征向量;
将所述视频特征向量输入预置的视频分类器,得到所述网页视频的分类结果。
优选地,在执行所述根据预置的预训练分类器对网页文本特征分类之前,还包括:
训练产生与网页视频类别相同数量的预训练分类器和视频分类器。
优选地,所述根据进入网关的网页视频的特征对网页视频分类包括:
提取所述网页视频的网页文本特征;
根据所述网页文本特征和预置的匹配规则识别所述网页视频的类别。
本发明还提出一种网页视频分类控制的装置,包括:
分类模块,用于根据进入网关的网页视频的特征对网页视频分类;
准入模块,用于根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入。
优选地,所述装置还包括:
审计模块,用于根据预置的网页视频审计策略审计所述网页视频。
优选地,所述分类模块包括:
第一提取单元,用于提取所述网页视频的网页文本特征和视频内容特征;
文本分类单元,用于根据预置的预训练分类器对所述网页文本特征分类,产生有效文本特征;
耦合单元,用于耦合所述有效文本特征与所述视频内容特征,得到视频特征向量;
视频分类单元,用于将所述视频特征向量输入预置的视频分类器,得到所述网页视频的分类结果。
优选地,所述分类模块还包括:
训练单元,用于训练产生与网页视频类别相同数量的预训练分类器和视频分类器。
优选地,所述分类模块包括:
第二提取单元,用于提取所述网页视频的网页文本特征;
识别单元,用于根据所述网页文本特征和预置的匹配规则识别所述网页视频的类别。
本发明提出了一种网页视频分类控制的方法和装置,其中一分类方法是将网页文本特征与视频内容特征相结合,可以很好的互补,使分类效果稳定。本发明还提出另一种通过预设规则匹配网页文本特征识别网页视频的分类方法。基于上述两种分类方法,可对网页视频实现分类控制,并进一步地实现网页视频的审计监控。
附图说明
图1为现有技术的内网通讯架构图;
图2为本发明网页视频分类控制的方法一实施例的流程示意图;
图3为本发明网页视频分类控制的方法一实施例中分类方法方式一的流程示意图;
图4为本发明网页视频分类控制的方法一实施例中分类方法方式一中训练步骤的流程示意图;
图5为本发明网页视频分类控制的装置一实施例的结构示意图;
图6为本发明网页视频分类控制的装置一实施例中分类模块在方式一时的结构示意图;
图7为本发明网页视频分类控制的装置一实施例中分类模块在方式二时的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图2,提出本发明网页视频分类控制的方法一实施例,包括:
步骤S10、根据进入网关的网页视频的特征对网页视频分类;
对进入网关的网页视频的特征进行提取,然后根据提取的特征对网页视频进行识别分类,得出分类结果。
网关对网页视频分类的方式有两种,方式一是根据网页视频的网页文本特征和视频内容特征进行分类,方式二是单纯根据网页视频的网页文本特征进行分类,下面对两种方式详细说明。
参照图3、方式一过程如下:
首先需训练产生预训练分类器和视频分类器。
训练步骤如下:
a、针对每类网页视频进行预训练,产生K个预训练分类器(假定网页视频共为K类,K>=1)。为每类网页视频抽取若干正面样本和若干反面样本,提取所述若干正面样本和若干反面样本的网页文本特征。采用SVM(Support Vector Machine,支持向量机)为每类网页视频训练出K个预训练分类器,也可采用其他除SVM之外适用本实施例的方法。
b、针对每类网页视频进行训练产生K个视频分类器。参照图4,步骤b包括步骤:
S1021、为每类网页视频抽取若干正面样本和若干反面样本,分别提取所述若干正面样本和若干反面样本的网页文本特征和视频内容特征。
S1022、对网页文本特征分别应用步骤a中得到的K个预训练分类器,每个预训练分类器产生一个分类值(该分类值表明该网页视频属于某一类别的相似程度)。K个预训练分类器因此得到K个分类值,形成一个K维向量即有效文本特征。
S1023、将视频内容特征与有效文本特征结合形成一个新的视频特征向量。
S1024、采用AdaBoost算法(或其它适用的算法)以新的视频特征向量为输入为每类视频训练产生K个视频分类器。
根据上述训练得到的预训练分类器和视频分类器,对进入网关的网页视频处理如下:
S101、分别提取出网页视频的网页文本特征和视频内容特征。提取的网页文本特征主要是网页中已有的分类标签、关键字、视频描述、视频标题等易识别和提取的类别信息。
提取的视频内容特征包括两方面:视频特征和音频特征,视频特征包括静态的单个视频帧的局部特征直方图,以及描述动态的视频变化过程的颜色直方图、边界特征、纹元直方图、面部特征和彩色运动特征等。音频特征包括音量和视频帧窗口里的声谱图等,音量有音量的大小以及音量的变化等,可从整个视频的动态角度对视频的感情基调进行描述,声谱图针对每一视频帧,是整个视频的音频描述单元,在音频语义内容上对视频进行了描述,因此,音频特征在视频语义上和视频感情上对视频进行了描述。
上述视频内容特征分别从视频的静态画面和动态动作,以及视频情感、视频语义等全方位进行了描述,可准确的表征和识别出一个网页视频。在实际应用中,具体采用的视频内容特征可根据实现效果进行适当的增删。
S102、应用训练步骤中产生的K个预训练分类器根据网页文本特征对网页视频进行分类,产生一个K维向量,即有效文本特征。
S103、将步骤S102中输出的K维向量的有效文本特征与步骤S101中提取的视频内容特征组合形成一个新的视频特征向量。
S104、应用训练步骤中产生的K个视频分类器以S103中输出的视频特征向量为输入分别进行分类,每个分类器得出一个分类值。
S105、将得出的分类值与K个给定阈值比较,确定该网页视频是否属于某个类别。
方式一不是直接以原始的网页文本特征作为网页视频分类的特征,而是先对其进行预分类,以预分类的输出作为网页视频分类的特征。如此可有效的控制网页视频特征的维度,使得最终的网页视频特征维度保持稳定,不受原始网页文本特征维度变化的影响。另一方面,将对网页文本特征分类的动作与视频内容特征分类的动作相分离,使得二者具有很大的灵活性和松耦合性,同时降低了网页视频分类的实现难度。
方式二,使用单纯的基于网页文本特征对网页视频进行分类。从网页视频中提取出分类标签、关键词、视频描述、视频标题、视频URL(Uniform/Universal Resource Locator,统一资源定位符)、视频头信息等含视频分类信息的文本特征,然后应用预设的匹配规则来识别出该网页视频的类别。
步骤S11、根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入。
本实施例根据网络管理员的设置,预置网页视频准入权限。网页视频准入权限可根据企业的实际情况配置,以决定哪些网页视频可以进入内网播放,哪些视频不能进入内网。网关准入策略可建立若干等级的网络用户类型,不同等级的用户类型具有不同的网页视频准入权限(即能够播放的网页视频类别和数目不同)。可以将单个用户指定为某一用户类型,也可将某一网段划为某一用户类型。且不同的网络管理员可设有不同的管理权限,不同权限的网络管理者可以设置和建立的策略强度不同,能够见到的策略视图也不同。
根据得到的网页视频的类别以及上述网页视频准入权限,控制所述网页视频的准入,实现网页视频的分类控制。
步骤S12、根据预置的网页视频审计策略审计所述网页视频。
进一步地,对经过网关的网页视频(无论是否准入)进行记录、审计和分析。审计策略可根据实际需要进行调整,以决定对哪些类别的网页视频、对哪些用户或用户类型的网页视频行为进行记录和审计。同样,也可设有不同的管理权限,不同权限管理者可设置和建立的策略强度不同,能够为不同用户赋予的审计策略等级不同,能够查看的记录、审计、分析视图不同。
本实施例提供了一种有效的手段控制网页视频的网关准入并对经过网关的网页视频进行记录、审计和分析,可对进入内网的网页视频进行有效的分类控制。
参照图5,提出本发明网页视频分类控制的装置一实施例,包括:
分类模块10,用于根据进入网关的网页视频的特征对网页视频分类;
准入模块20,用于根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入;
审计模块30,用于根据预置的网页视频审计策略审计所述网页视频。
本实施例的装置可以是网关设备,或设置于网关设备一端的装置。
分类模块10对进入网关的网页视频的特征进行提取,然后根据提取的特征对网页视频进行识别分类,得出分类结果。分类模块10对网页视频分类的方式有两种,方式一是根据网页视频的网页文本特征和视频内容特征进行分类,方式二是单纯根据网页视频的网页文本特征进行分类,不同方式下分类模块10的结构不同,下面对分类模块10的两种工作方式详细说明。
参照图6,在方式一下,分类模块10包括:
训练单元11,用于训练产生与网页视频类别相同数量的预训练分类器和视频分类器。
第一提取单元12,用于提取所述网页视频的网页文本特征和视频内容特征;
文本分类单元13,用于根据所述预训练分类器对所述网页文本特征分类,产生有效文本特征;
耦合单元14,用于耦合所述有效文本特征与所述视频内容特征,得到视频特征向量;
视频分类单元15,用于将所述视频特征向量输入所述视频分类器,得到所述网页视频的分类结果。
在方式一下,首先训练单元11训练产生预训练分类器和视频分类器。训练单元11训练过程如下:
针对每类网页视频进行预训练,产生K个预训练分类器(假定网页视频共为K类,K>=1)。为每类网页视频抽取若干正面样本和若干反面样本,提取所述若干正面样本和若干反面样本的网页文本特征。采用SVM(Support Vector Machine,支持向量机)为每类网页视频训练出K个预训练分类器,也可采用其他除SVM之外适用本实施例的方法。
针对每类网页视频进行训练产生K个视频分类器。为每类网页视频抽取若干正面样本和若干反面样本,分别提取所述若干正面样本和若干反面样本的网页文本特征和视频内容特征。对网页文本特征分别应用前述K个预训练分类器,每个预训练分类器产生一个分类值(该分类值表明该网页视频属于某一类别的相似程度)。K个预训练分类器因此得到K个分类值,形成一个K维向量即有效文本特征。将视频内容特征与有效文本特征结合形成一个新的视频特征向量,采用AdaBoost算法(或其它适用的算法)以新的视频特征向量为输入为每类视频训练产生K个视频分类器。
根据上述训练得到的预训练分类器和视频分类器,分类模块10对进入网关的网页视频处理如下:
第一提取单元12分别提取出网页视频的网页文本特征和视频内容特征。提取的网页文本特征主要是网页中已有的分类标签、关键字、视频描述、视频标题等易识别和提取的类别信息。
提取的视频内容特征包括两方面:视频特征和音频特征,视频特征包括静态的单个视频帧的局部特征直方图,以及描述动态的视频变化过程的颜色直方图、边界特征、纹元直方图、面部特征和彩色运动特征等。音频特征包括音量和视频帧窗口里的声谱图等,音量有音量的大小以及音量的变化等,可从整个视频的动态角度对视频的感情基调进行描述,声谱图针对每一视频帧,是整个视频的音频描述单元,在音频语义内容上对视频进行了描述,因此,音频特征在视频语义上和视频感情上对视频进行了描述。
上述视频内容特征分别从视频的静态画面和动态动作,以及视频情感、视频语义等全方位进行了描述,可准确的表征和识别出一个网页视频。在实际应用中,具体采用的视频内容特征可根据实现效果进行适当的增删。
文本分类单元13应用训练单元11产生的K个预训练分类器根据网页文本特征对网页视频进行分类,产生一个K维向量,即有效文本特征。
耦合单元14将K维向量的有效文本特征与第一提取单元12提取的视频内容特征组合形成一个新的视频特征向量。
视频分类单元15应用训练单元11产生的产生的K个视频分类器以耦合单元14输出的视频特征向量为输入分别进行分类,每个分类器得出一个分类值。再将得出的分类值与K个给定的K个阈值比较,确定该网页视频是否属于某个网页视频类别。
方式一不是直接以原始的网页文本特征作为网页视频分类的特征,而是先对其进行预分类,以预分类的输出作为网页视频分类的特征。如此可有效的控制网页视频特征的维度,使得最终的网页视频特征维度保持稳定,不受原始网页文本特征维度变化的影响。另一方面,将对网页文本特征分类的动作与视频内容特征分类的动作相分离,使得二者具有很大的灵活性和松耦合性,同时降低了网页视频分类的实现难度。
参照图7,在方式二,所述分类模块10包括:
第二提取单元16,用于提取所述网页视频的网页文本特征;
识别单元17,用于根据所述网页文本特征和预置的匹配规则识别所述网页视频的类别。
分类模块10使用单纯的基于网页文本特征对网页视频进行分类。第二提取单元16从网页视频中提取出分类标签、关键词、视频描述、视频标题、视频URL、视频头信息等含视频分类信息的文本特征,识别单元17应用预设的匹配规则来识别出该网页视频的类别。
准入模块20根据分类模块10输出的网页视频的类别以及预设的网页视频准入权限,控制所述网页视频的准入,实现网页视频的分类控制。本实施例的装置根据网络管理员的设置,预置网页视频准入权限。网页视频准入权限可根据企业的实际情况配置,以决定哪些网页视频可以进入内网播放,哪些视频不能进入内网。网关准入策略可建立若干等级的网络用户类型,不同等级的用户类型具有不同的网页视频准入权限(即能够播放的网页视频类别和数目不同)。可以将单个用户指定为某一用户类型,也可将某一网段划为某一用户类型。且不同的网络管理员可设有不同的管理权限,不同权限的网络管理者可以设置和建立的策略强度不同,能够见到的策略视图也不同。
进一步地,审计模块30经过网关设备的网页视频(无论是否准入)进行记录、审计和分析。审计策略可根据实际需要进行调整,以决定对哪些类别的网页视频、对哪些用户或用户类型的网页视频行为进行记录和审计。同样,审计模块20也可设有不同的管理权限,不同权限管理者可设置和建立的策略强度不同,能够为不同用户赋予的审计策略等级不同,能够查看的记录、审计、分析视图不同。
本实施例提供了一种有效的手段控制网页视频的网关准入并对经过网关的网页视频进行记录、审计和分析,可对进入内网的网页视频进行有效的分类控制。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种网页视频分类控制的方法,其特征在于,包括步骤:
根据进入网关的网页视频的特征对网页视频分类;
根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入;
所述根据进入网关的网页视频的特征对网页视频分类包括:
提取所述网页视频的网页文本特征和视频内容特征;
根据预置的预训练分类器对所述网页文本特征分类,产生有效文本特征;
耦合所述有效文本特征与所述视频内容特征,得到视频特征向量;
将所述视频特征向量输入预置的视频分类器,得到所述网页视频的分类结果。
2.如权利要求1所述的方法,其特征在于,在执行所述控制网页视频的准入之后,还包括:
根据预置的网页视频审计策略审计所述网页视频。
3.如权利要求1所述的方法,其特征在于,在执行所述根据预置的预训练分类器对所述网页文本特征分类之前,还包括:
训练产生与网页视频类别相同数量的预训练分类器和视频分类器。
4.如权利要求3所述的方法,其特征在于,所述训练产生与网页视频类别相同数量的预训练分类器和视频分类器包括:
针对每类网页视频进行预训练,产生K个预训练分类器,其中K为网页视频类别数量,且K>=1;
为每类网页视频抽取若干正面样本和若干反面样本,分别提取所述若干正面样本和若干反面样本的网页文本特征和视频内容特征;
对网页文本特征分别应用所述K个预训练分类器,每个预训练分类器产生一个分类值,形成有效文本特征;
将视频内容特征与有效文本特征结合形成一个新的视频特征向量;
采用AdaBoost算法以新的视频特征向量为输入为每类视频训练产生K个视频分类器。
5.一种网页视频分类控制的装置,其特征在于,包括:
分类模块,用于根据进入网关的网页视频的特征对网页视频分类;
准入模块,用于根据所述网页视频的类别以及预置的网页视频准入权限,控制所述网页视频的准入;
所述分类模块包括:
第一提取单元,用于提取所述网页视频的网页文本特征和视频内容特征;
文本分类单元,用于根据预置的预训练分类器对所述网页文本特征分类,产生有效文本特征;
耦合单元,用于耦合所述有效文本特征与所述视频内容特征,得到视频特征向量;
视频分类单元,用于将所述视频特征向量输入预置的视频分类器,得到所述网页视频的分类结果。
6.如权利要求5所述的装置,其特征在于,还包括:
审计模块,用于根据预置的网页视频审计策略审计所述网页视频。
7.如权利要求5所述的装置,其特征在于,所述分类模块还包括:
训练单元,用于训练产生与网页视频类别相同数量的预训练分类器和视频分类器。
8.如权利要求7所述的装置,其特征在于,所述训练单元具体用于:
针对每类网页视频进行预训练,产生K个预训练分类器,其中K为网页视频类别数量,且K>=1;
为每类网页视频抽取若干正面样本和若干反面样本,分别提取所述若干正面样本和若干反面样本的网页文本特征和视频内容特征;
对网页文本特征分别应用所述K个预训练分类器,每个预训练分类器产生一个分类值,形成有效文本特征;
将视频内容特征与有效文本特征结合形成一个新的视频特征向量;
以及采用AdaBoost算法以新的视频特征向量为输入为每类视频训练产生K个视频分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110444815.5A CN102567512B (zh) | 2011-12-27 | 2011-12-27 | 网页视频分类控制的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110444815.5A CN102567512B (zh) | 2011-12-27 | 2011-12-27 | 网页视频分类控制的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102567512A CN102567512A (zh) | 2012-07-11 |
CN102567512B true CN102567512B (zh) | 2014-12-17 |
Family
ID=46412911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110444815.5A Active CN102567512B (zh) | 2011-12-27 | 2011-12-27 | 网页视频分类控制的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102567512B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015003341A1 (zh) * | 2013-07-10 | 2015-01-15 | 中国科学院自动化研究所 | 基于质量元数据的视频分类器构造方法 |
CN104199814A (zh) * | 2014-02-24 | 2014-12-10 | 无锡天脉聚源传媒科技有限公司 | 一种资源分拣方法及装置 |
CN104378657A (zh) * | 2014-09-01 | 2015-02-25 | 国家电网公司 | 一种基于代理与隔离的视频安全接入系统及其方法 |
CN105550182A (zh) * | 2014-11-01 | 2016-05-04 | 江苏威盾网络科技有限公司 | 一种基于云端的网页分类控制装置及方法 |
CN104809218B (zh) * | 2015-04-30 | 2018-09-28 | 北京奇艺世纪科技有限公司 | 一种ugc视频分类方法及装置 |
CN106210784A (zh) * | 2016-08-05 | 2016-12-07 | 黄新勇 | 视频安全播放方法及系统 |
CN110751030A (zh) * | 2019-09-12 | 2020-02-04 | 厦门网宿有限公司 | 一种视频分类方法、设备及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281521A (zh) * | 2007-04-05 | 2008-10-08 | 中国科学院自动化研究所 | 一种基于多分类器融合的敏感网页过滤方法及系统 |
-
2011
- 2011-12-27 CN CN201110444815.5A patent/CN102567512B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281521A (zh) * | 2007-04-05 | 2008-10-08 | 中国科学院自动化研究所 | 一种基于多分类器融合的敏感网页过滤方法及系统 |
Non-Patent Citations (1)
Title |
---|
《Automatic classification of images on the Web》;Alexander Hartmann等;《Storage and Retrieval for Media Databases 2002》;20011231;第4676卷;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN102567512A (zh) | 2012-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102567512B (zh) | 网页视频分类控制的方法和装置 | |
Girgis et al. | Deep learning algorithms for detecting fake news in online text | |
CN101546556B (zh) | 用于音频内容识别的分类系统 | |
CN110012029B (zh) | 一种区分加密和非加密压缩流量的方法和系统 | |
CN109189901B (zh) | 一种智能客服系统中自动发现新分类以及对应语料的方法 | |
CN108460139B (zh) | 基于网络爬虫数据挖掘在线课程教学质量评估管理系统 | |
Kawade et al. | Sentiment analysis: machine learning approach | |
DE102018127773A1 (de) | Detektion eines akustischen Ereignisses basierend auf der Modellierung einer Sequenz von Ereignisunterabschnitten | |
CN102789498A (zh) | 基于集成学习的中文评论文本的情感分类方法与系统 | |
CN107688576B (zh) | 一种cnn-svm模型的构建及倾向性分类方法 | |
CN104731874B (zh) | 一种评价信息生成方法和装置 | |
CN113495959B (zh) | 一种基于文本数据的金融舆情识别方法及系统 | |
CN113194064B (zh) | 基于图卷积神经网络的webshell检测方法及装置 | |
Yan et al. | An improved single-pass algorithm for chinese microblog topic detection and tracking | |
CN103294811A (zh) | 考虑特征可靠性的视频分类器构造方法 | |
CN104731937A (zh) | 用户行为数据的处理方法及装置 | |
CN110414594B (zh) | 一种基于双阶段判定的加密流量分类方法 | |
Cuccovillo et al. | Blind microphone analysis and stable tone phase analysis for audio tampering detection | |
CN111601314A (zh) | 预训练模型加短信地址双重判定不良短信的方法和装置 | |
CN111597423A (zh) | 一种文本分类模型可解释性方法的性能评价方法及装置 | |
WO2015003341A1 (zh) | 基于质量元数据的视频分类器构造方法 | |
CN104731890A (zh) | 一种结合plsa和at的音频事件分类方法 | |
Fu et al. | NSA-Net: A NetFlow sequence attention network for virtual private network traffic detection | |
CN104125105A (zh) | 对互联网应用场所分类的方法和装置 | |
CN110390013A (zh) | 一种基于聚类与ann融合应用的文本分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200609 Address after: Nanshan District Xueyuan Road in Shenzhen city of Guangdong province 518000 No. 1001 Nanshan Chi Park building A1 layer Patentee after: SANGFOR TECHNOLOGIES Inc. Address before: 518000 Nanshan Science and Technology Pioneering service center, No. 1 Qilin Road, Guangdong, Shenzhen 418, 419, Patentee before: Shenxin network technology (Shenzhen) Co.,Ltd. |