CN106504102A - 一种基于计算机大数据的社交网络中优质节点探测系统 - Google Patents
一种基于计算机大数据的社交网络中优质节点探测系统 Download PDFInfo
- Publication number
- CN106504102A CN106504102A CN201610911015.2A CN201610911015A CN106504102A CN 106504102 A CN106504102 A CN 106504102A CN 201610911015 A CN201610911015 A CN 201610911015A CN 106504102 A CN106504102 A CN 106504102A
- Authority
- CN
- China
- Prior art keywords
- node
- quality
- information
- degree
- subelement
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 239000000523 sample Substances 0.000 claims abstract description 10
- 230000001902 propagating effect Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims description 3
- 208000006011 Stroke Diseases 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims 1
- 238000009792 diffusion process Methods 0.000 abstract description 3
- 230000000644 propagated effect Effects 0.000 abstract description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种基于计算机大数据的社交网络中优质节点探测系统,其包括如下单元:监控分词单元,用于建立优质节点信息传播监控模型;优质节点探测单元,用于从互联网社交系统中探测优质节点;预警单元,用于利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心。本发明能够用于发现社交网络中与用户需求具有较高契合度的核心节点,通过利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心,能够有效地对优质节点发布的信息进行监控,防止有害的信息扩散。
Description
技术领域
本发明涉及计算机云计算技术领域,特别涉及一种基于计算机大数据的社交网络中优质节点探测系统。
背景技术
近几年来,由于社交网络的研究日趋热门,基于社交网络平台上的探测和发现优质用户问题的研究也日益得到人们的重视。通过对这类用户的挖掘,可以和这些优质用户建立更直接的关联以获取蕴含的社会价值。同时由于互联网社交工具的兴起,使得这些优质用户的周围聚起了一大批跟随者,使得优质用户发布的信息容易扩散,并容易被其他人利用起来散步网络谣言。
现有技术中缺少一种有效地对互联网社交网络中优质节点的探测以及发布信息的有效监控手段。
发明内容
有鉴于此,本发明提出一种基于计算机大数据的社交网络中优质节点探测系统。
一种基于计算机大数据的社交网络中优质节点探测系统,其包括如下单元:
监控分词单元,用于建立优质节点信息传播监控模型;
优质节点探测单元,用于从互联网社交系统中探测优质节点;
预警单元,用于利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
监控分词单元包括:
第一分词子单元,用于将需要训练的网络语言信息按照语言表达规律进行分词;
第二分词子单元,用于判断第一分词子单元分词后是否可以继续进行第一分词子单元进行分词,如果不能继续分词,则进行细粒度分词,否则跳转到第一分词子单元按照语言表达规律进行分词;
敏感词数据库,用于存储需要监控的敏感信息词汇。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
所述优质节点探测单元包括:
集合确定子单元,用于提取需要探测的优质节点所在的社交网络节点集合;
映射建立子单元,用于对社交网络节点集合中的社交网络节点建立社交网络的节点映射关系;
模型建立子单元,用于根据优质节点的活动规律提取探测优质节点特征;根据提取的优质节点特征建立优质节点探测的特征规则模型;
训练子单元,用于将社交网络节点作为实验样本进行分组,然后进行分组训练和节点分类;
修正子单元,用于对优质节点探测的结果进行评估并反馈结果,并在反复地训练过程中将不符合探测优质节点特征的规则进行校正,从而达到对模型进行优化的目的;
迭代子单元,用于将优化后的模型再次回到训练子单元中节点训练与分类环节进行优质节点探测以提高探测进度,并进行迭代运算直到优质节点的探测进度超过设定阈值从而完成整个社交网络中优质节点探测过程。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述预警单元包括:
数据获取子单元,用于爬取优质节点发布的实时数据并写入数据缓存库;
聚类子单元,用于按照预定算法对第一预定时间段内的实时数据进行排序,筛选出第一预定时间段内的超过预设热度值的信息;对第二预定时间段内的由实时数据构成的文本进行突发词抽取,进而进行向量化,对向量化的文本进行聚类,选取各类中异常值最大实时数据作为监测到的异常信息;根据预设阈值显示相应条数的预设热度值的信息和异常信息;
判断子单元,用于将预设热度值的信息和异常信息发送到监控分词单元进行筛选判断是否存在敏感词;在监控到敏感词时,将敏感词以及发布包含敏感词信息的优质节点信息发送到网络监管中心。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
所述模型建立子单元中根据优质节点的活动规律提取探测优质节点特征包括:
设置节点被判断为优秀节点的节点属性,在某一节点具备优秀节点的节点属性时,则该节点属性具有高优质性的特征;
设置节点之间随着时间的推移就应具备频繁的交互性,称之为交互度Vinter;在社交网络中,如节点具有核心节点的特征,且它们与周边节点间存在连接边;在这些连接边中,将优质节点的主动交互看作是出度Vout,出度为自身指向其它节点的边,而被动交互看作入度Vin,入度为其它节点指向自身的边,则优质节点往往同时存在超过第一预设阈值的入度和出度,且出度入度比接近于1;
将同时存在超过预设值的入度和出度,且出度入度比大于1且大于第二预设阈值的节点作为非优质节点。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述模型建立子单元中优质节点探测过程的矩阵表示如下:
映射矩阵为被探测对象的入度与出度之间的映射关系矩阵;其中,Min×out表示矩阵名称,In表示节点的入度集合,Out表示节点的出度集合;Vi,in,i=1...n和Vj,out,j=1...m分别表示节点i的入度和节点j的出度;表示节点i入度和节点j出度比值;当i=j时,可对优质节点和非优质节点进行探测,此时优质节点的Pij趋向于1,而非优质节点的Pij大于1且大于第二预设阈值或小于1且小于第三预设阈值;而当i≠j时,若Pij=0表明不同节点间不存在交互关系,否则节点间就存在交互关系。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述修正子单元中还包括制定探测结果的召回率和准确率,并对准确率进行阈值设定,以决定是否跳转到迭代子单元进行迭代运算过程。
实施本发明提供的基于计算机大数据的社交网络中优质节点探测系统与现有技术相比具有以下有益效果:能够用于发现社交网络中与用户需求具有较高契合度的核心节点,通过利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心,能够有效地对优质节点发布的信息进行监控,防止有害的信息扩散。
附图说明
图1是本发明实施例的基于计算机大数据的社交网络中优质节点探测系统结构框图。
具体实施方式
如图1所示,本发明实施例提出的一种基于计算机大数据的社交网络中优质节点探测系统,其包括如下单元:
监控分词单元,用于建立优质节点信息传播监控模型;
优质节点探测单元,用于从互联网社交系统中探测优质节点;
预警单元,用于利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
监控分词单元包括:
第一分词子单元,用于将需要训练的网络语言信息按照语言表达规律进行分词;
第二分词子单元,用于判断第一分词子单元分词后是否可以继续进行第一分词子单元进行分词,如果不能继续分词,则进行细粒度分词,否则跳转到第一分词子单元按照语言表达规律进行分词;
敏感词数据库,用于存储需要监控的敏感信息词汇。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
所述优质节点探测单元包括:
集合确定子单元,用于提取需要探测的优质节点所在的社交网络节点集合;
映射建立子单元,用于对社交网络节点集合中的社交网络节点建立社交网络的节点映射关系;
模型建立子单元,用于根据优质节点的活动规律提取探测优质节点特征;根据提取的优质节点特征建立优质节点探测的特征规则模型;
训练子单元,用于将社交网络节点作为实验样本进行分组,然后进行分组训练和节点分类;
修正子单元,用于对优质节点探测的结果进行评估并反馈结果,并在反复地训练过程中将不符合探测优质节点特征的规则进行校正,从而达到对模型进行优化的目的;
迭代子单元,用于将优化后的模型再次回到训练子单元中节点训练与分类环节进行优质节点探测以提高探测进度,并进行迭代运算直到优质节点的探测进度超过设定阈值从而完成整个社交网络中优质节点探测过程。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述预警单元包括:
数据获取子单元,用于爬取优质节点发布的实时数据并写入数据缓存库;
聚类子单元,用于按照预定算法对第一预定时间段内的实时数据进行排序,筛选出第一预定时间段内的超过预设热度值的信息;对第二预定时间段内的由实时数据构成的文本进行突发词抽取,进而进行向量化,对向量化的文本进行聚类,选取各类中异常值最大实时数据作为监测到的异常信息;根据预设阈值显示相应条数的预设热度值的信息和异常信息;
判断子单元,用于将预设热度值的信息和异常信息发送到监控分词单元进行筛选判断是否存在敏感词;在监控到敏感词时,将敏感词以及发布包含敏感词信息的优质节点信息发送到网络监管中心。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,
所述模型建立子单元中根据优质节点的活动规律提取探测优质节点特征包括:
设置节点被判断为优秀节点的节点属性,在某一节点具备优秀节点的节点属性时,则该节点属性具有高优质性的特征;
设置节点之间随着时间的推移就应具备频繁的交互性,称之为交互度Vinter;在社交网络中,如节点具有核心节点的特征,且它们与周边节点间存在连接边;在这些连接边中,将优质节点的主动交互看作是出度Vout,出度为自身指向其它节点的边,而被动交互看作入度Vin,入度为其它节点指向自身的边,则优质节点往往同时存在超过第一预设阈值的入度和出度,且出度入度比接近于1;
将同时存在超过预设值的入度和出度,且出度入度比大于1且大于第二预设阈值的节点作为非优质节点。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述模型建立子单元中优质节点探测过程的矩阵表示如下:
映射矩阵为被探测对象的入度与出度之间的映射关系矩阵;其中,Min×out表示矩阵名称,In表示节点的入度集合,Out表示节点的出度集合;Vi,in,i=1...n和Vj,out,j=1...m分别表示节点i的入度和节点j的出度;表示节点i入度和节点j出度比值;当i=j时,可对优质节点和非优质节点进行探测,此时优质节点的Pij趋向于1,而非优质节点的Pij大于1且大于第二预设阈值或小于1且小于第三预设阈值;而当i≠j时,若Pij=0表明不同节点间不存在交互关系,否则节点间就存在交互关系。
在本发明所述的基于计算机大数据的社交网络中优质节点探测系统中,所述修正子单元中还包括制定探测结果的召回率和准确率,并对准确率进行阈值设定,以决定是否跳转到迭代子单元进行迭代运算过程。
实施本发明提供的社交网络中优质节点探测方法及系统与现有技术相比具有以下有益效果:能够用于发现社交网络中与用户需求具有较高契合度的核心节点,通过利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心,能够有效地对优质节点发布的信息进行监控,防止有害的信息扩散。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (7)
1.一种基于计算机大数据的社交网络中优质节点探测系统,其特征在于,其包括如下单元:
监控分词单元,用于建立优质节点信息传播监控模型;
优质节点探测单元,用于从互联网社交系统中探测优质节点;
预警单元,用于利用优质节点信息传播监控模型对优质节点发布的信息进行监控,在监控到敏感信息时,将敏感信息以及发布敏感信息的优质节点信息发送到网络监管中心。
2.如权利要求1所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,
监控分词单元包括:
第一分词子单元,用于将需要训练的网络语言信息按照语言表达规律进行分词;
第二分词子单元,用于判断第一分词子单元分词后是否可以继续进行第一分词子单元进行分词,如果不能继续分词,则进行细粒度分词,否则跳转到第一分词子单元按照语言表达规律进行分词;
敏感词数据库,用于存储需要监控的敏感信息词汇。
3.如权利要求2所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,
所述优质节点探测单元包括:
集合确定子单元,用于提取需要探测的优质节点所在的社交网络节点集合;
映射建立子单元,用于对社交网络节点集合中的社交网络节点建立社交网络的节点映射关系;
模型建立子单元,用于根据优质节点的活动规律提取探测优质节点特征;根据提取的优质节点特征建立优质节点探测的特征规则模型;
训练子单元,用于将社交网络节点作为实验样本进行分组,然后进行分组训练和节点分类;
修正子单元,用于对优质节点探测的结果进行评估并反馈结果,并在反复地训练过程中将不符合探测优质节点特征的规则进行校正,从而达到对模型进行优化的目的;
迭代子单元,用于将优化后的模型再次回到训练子单元中节点训练与分类环节进行优质节点探测以提高探测进度,并进行迭代运算直到优质节点的探测进度超过设定阈值从而完成整个社交网络中优质节点探测过程。
4.如权利要求3所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,所述预警单元包括:
数据获取子单元,用于爬取优质节点发布的实时数据并写入数据缓存库;
聚类子单元,用于按照预定算法对第一预定时间段内的实时数据进行排序,筛选出第一预定时间段内的超过预设热度值的信息;对第二预定时间段内的由实时数据构成的文本进行突发词抽取,进而进行向量化,对向量化的文本进行聚类,选取各类中异常值最大实时数据作为监测到的异常信息;根据预设阈值显示相应条数的预设热度值的信息和异常信息;
判断子单元,用于将预设热度值的信息和异常信息发送到监控分词单元进行筛选判断是否存在敏感词;在监控到敏感词时,将敏感词以及发布包含敏感词信息的优质节点信息发送到网络监管中心。
5.如权利要求4所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,
所述模型建立子单元中根据优质节点的活动规律提取探测优质节点特征包括:
设置节点被判断为优秀节点的节点属性,在某一节点具备优秀节点的节点属性时,则该节点属性具有高优质性的特征;
设置节点之间随着时间的推移就应具备频繁的交互性,称之为交互度Vinter;在社交网络中,如节点具有核心节点的特征,且它们与周边节点间存在连接边;在这些连接边中,将优质节点的主动交互看作是出度Vout,出度为自身指向其它节点的边,而被动交互看作入度Vin,入度为其它节点指向自身的边,则优质节点往往同时存在超过第一预设阈值的入度和出度,且出度入度比接近于1;
将同时存在超过预设值的入度和出度,且出度入度比大于1且大于第二预设阈值的节点作为非优质节点。
6.如权利要求5所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,所述模型建立子单元中优质节点探测过程的矩阵表示如下:
映射矩阵为被探测对象的入度与出度之间的映射关系矩阵;其中,Min×out表示矩阵名称,In表示节点的入度集合,Out表示节点的出度集合;Vi,in,i=1...n和Vj,out,j=1...m分别表示节点i的入度和节点j的出度;i=1...n,j=1...m表示节点i入度和节点j出度比值;当i=j时,可对优质节点和非优质节点进行探测,此时优质节点的Pij趋向于1,而非优质节点的Pij大于1且大于第二预设阈值或小于1且小于第三预设阈值;而当i≠j时,若Pij=0表明不同节点间不存在交互关系,否则节点间就存在交互关系。
7.如权利要求6所述的基于计算机大数据的社交网络中优质节点探测系统,其特征在于,所述修正子单元中还包括制定探测结果的召回率和准确率,并对准确率进行阈值设定,以决定是否跳转到迭代子单元进行迭代运算过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911015.2A CN106504102A (zh) | 2016-10-20 | 2016-10-20 | 一种基于计算机大数据的社交网络中优质节点探测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911015.2A CN106504102A (zh) | 2016-10-20 | 2016-10-20 | 一种基于计算机大数据的社交网络中优质节点探测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106504102A true CN106504102A (zh) | 2017-03-15 |
Family
ID=58294286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610911015.2A Pending CN106504102A (zh) | 2016-10-20 | 2016-10-20 | 一种基于计算机大数据的社交网络中优质节点探测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106504102A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783948A (zh) * | 2017-10-10 | 2018-03-09 | 湖北文理学院 | 一种基于社交网络原理的词汇社交网络分析方法 |
CN108765179A (zh) * | 2018-04-26 | 2018-11-06 | 恒安嘉新(北京)科技股份公司 | 一种基于图计算的可信社交关系分析方法 |
CN109218138A (zh) * | 2018-10-22 | 2019-01-15 | 西南石油大学 | 网络节点监测方法及系统 |
CN114006846A (zh) * | 2020-07-13 | 2022-02-01 | 中国移动通信有限公司研究院 | IPv6数据包的传输方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116605A (zh) * | 2013-01-17 | 2013-05-22 | 上海交通大学 | 一种基于监测子网的微博热点事件实时检测方法及系统 |
CN103309960A (zh) * | 2013-05-29 | 2013-09-18 | 亿赞普(北京)科技有限公司 | 一种网络舆情事件多维信息提取的方法及装置 |
CN103678602A (zh) * | 2013-12-16 | 2014-03-26 | 昆明理工大学 | 一种含敏感度计算的网页过滤方法 |
CN104933443A (zh) * | 2015-06-26 | 2015-09-23 | 北京途美科技有限公司 | 一种敏感数据自动识别与分类的方法 |
CN105068991A (zh) * | 2015-07-30 | 2015-11-18 | 成都鼎智汇科技有限公司 | 一种基于大数据的舆情发现方法 |
-
2016
- 2016-10-20 CN CN201610911015.2A patent/CN106504102A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116605A (zh) * | 2013-01-17 | 2013-05-22 | 上海交通大学 | 一种基于监测子网的微博热点事件实时检测方法及系统 |
CN103309960A (zh) * | 2013-05-29 | 2013-09-18 | 亿赞普(北京)科技有限公司 | 一种网络舆情事件多维信息提取的方法及装置 |
CN103678602A (zh) * | 2013-12-16 | 2014-03-26 | 昆明理工大学 | 一种含敏感度计算的网页过滤方法 |
CN104933443A (zh) * | 2015-06-26 | 2015-09-23 | 北京途美科技有限公司 | 一种敏感数据自动识别与分类的方法 |
CN105068991A (zh) * | 2015-07-30 | 2015-11-18 | 成都鼎智汇科技有限公司 | 一种基于大数据的舆情发现方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107783948A (zh) * | 2017-10-10 | 2018-03-09 | 湖北文理学院 | 一种基于社交网络原理的词汇社交网络分析方法 |
CN107783948B (zh) * | 2017-10-10 | 2020-10-13 | 湖北文理学院 | 一种基于社交网络原理的词汇社交网络分析方法 |
CN108765179A (zh) * | 2018-04-26 | 2018-11-06 | 恒安嘉新(北京)科技股份公司 | 一种基于图计算的可信社交关系分析方法 |
CN109218138A (zh) * | 2018-10-22 | 2019-01-15 | 西南石油大学 | 网络节点监测方法及系统 |
CN109218138B (zh) * | 2018-10-22 | 2021-06-04 | 西南石油大学 | 网络节点监测方法及系统 |
CN114006846A (zh) * | 2020-07-13 | 2022-02-01 | 中国移动通信有限公司研究院 | IPv6数据包的传输方法及装置 |
CN114006846B (zh) * | 2020-07-13 | 2023-07-21 | 中国移动通信有限公司研究院 | IPv6数据包的传输方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106504102A (zh) | 一种基于计算机大数据的社交网络中优质节点探测系统 | |
CN102929873B (zh) | 一种基于情境搜索提取搜索价值词的方法及装置 | |
WO2015135452A1 (en) | Text information processing method and apparatus | |
Schulz et al. | Crisis information management in the Web 3.0 age. | |
US20140280242A1 (en) | Method and apparatus for acquiring hot topics | |
CN105701097A (zh) | 一种基于社交网络平台的舆情分析方法及系统 | |
CN103559233A (zh) | 微博中网络新词抽取方法和微博情感分析方法及系统 | |
WO2016115944A1 (zh) | 网页质量模型的建立方法及装置 | |
CN108345587A (zh) | 一种评论的真实性检测方法与系统 | |
CN108897732A (zh) | 语句类型识别方法和装置、存储介质及电子装置 | |
CN103123624A (zh) | 确定中心词的方法及装置、搜索方法及装置 | |
CN104978878A (zh) | 微课教学系统及方法 | |
CN104484359B (zh) | 一种基于社交图谱的舆情分析方法及装置 | |
CN107491447A (zh) | 建立查询改写判别模型、查询改写判别的方法和对应装置 | |
CN105843931A (zh) | 一种进行分类的方法和装置 | |
WO2017000341A1 (zh) | 一种信息处理方法、装置以及终端 | |
CN105931055A (zh) | 一种面向众包平台的服务商特征建模方法 | |
CN115409039A (zh) | 一种对标车型数据的分析方法、装置、电子设备及介质 | |
WO2024055603A1 (zh) | 一种未成年人文本识别方法及装置 | |
Sofean et al. | Sentiment analysis on smoking in social networks | |
CN111079084B (zh) | 一种基于长短时记忆网络的信息转发概率预测方法及系统 | |
CN110324278A (zh) | 账号主体一致性检测方法、装置及设备 | |
CN106447508A (zh) | 一种改进型基于计算机大数据的社交网络中优质节点探测系统 | |
CN110232160B (zh) | 兴趣点变迁事件检测方法、装置及存储介质 | |
CN105787101B (zh) | 一种信息处理方法和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |