CN108319690A - 一种网络论坛消息的内容相似度测量方法及系统 - Google Patents
一种网络论坛消息的内容相似度测量方法及系统 Download PDFInfo
- Publication number
- CN108319690A CN108319690A CN201810102058.5A CN201810102058A CN108319690A CN 108319690 A CN108319690 A CN 108319690A CN 201810102058 A CN201810102058 A CN 201810102058A CN 108319690 A CN108319690 A CN 108319690A
- Authority
- CN
- China
- Prior art keywords
- text message
- test
- benchmark
- vector
- message
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种网络论坛消息的内容相似度测量方法及系统。该方法根据所述测试状态向量和所述基准状态向量S={s1,s2,...,sM}计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度,所述测试状态向量和所述基准状态向量S={s1,s2,...,sM}间内容的相似度是非对称的,即两个文本消息之间的内容相似度的值不仅与两个文本消息的语义特征相关,而且与基准消息的选择有关,更符合网络论坛敏感信息管控需求,提高了网络论坛消息的内容相似度测量的准确度。
Description
技术领域
本发明涉及网络舆情管控领域,特别是涉及一种网络论坛消息的内容相似 度测量方法及系统。
背景技术
现有技术中的网络论坛消息中的文本内容相似度测量的方法,主要的技术 思路是建立文本的向量空间模型描述文本的内容特征,通过计算两个文本特征 向量之间的余弦距离来测量内容的相似度。
现有技术中通过计算两个文本特征向量之间的余弦距离来测量内容的相 似度的方法,主要特点是该余弦距离具有对称性,例如,具有文本消息A和 文本消息B两条内容,文本消息A的内容为CA,文本消息B的内容为CB, 当以文本消息A为基准时,文本消息B与文本消息A之间的内容差异为 DiffAB=CB-CB∩CA,当以文本消息B为基准时,文本消息A与文本消息B之 间的内容差异为DiffBA=CA-CA∩CB,所以,DiffBA≠DiffAB。
所以,根据余弦距离测量两个文本之间内容的相似度,由于余弦距离具有 对称性,忽略了基准消息选择的影响,实际的测量结果应该是非对称的,测量 的结果不准确,不符合网络管控的需求。
发明内容
本发明的目的是提供一种能够提高测量准确度的网络论坛消息的内容相 似度测量方法及系统。
为实现上述目的,本发明提供了如下方案:
一种网络论坛消息的内容相似度测量方法,所述测量方法包括:
获取基准文本消息d和网络舆情管控的具体需求参数;
根据所述基准文本消息d和所述网络舆情管控的具体需求参数,建立用户 词典Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维数,tj表示所 述基准文本消息d中的第j个关键中文实词,j的取值为1,2,...,M;
分别以所述关键中文实词tj为关键词检索网络论坛消息,获得测试文本消 息集合D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数,dk表示第k 条测试文本消息,k的取值为1,2,3,...,N;
统计所述关键中文实词在所述基准文本消息d中出现的频率 获得基准关键词频率向量
根据所述基准关键词频率向量计算所述基准文本消息 d的状态向量,获得基准状态向量 所述基准状态向量用于表征所 述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文 本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
统计所述关键中文实词在所述测试文本消息dk中出现的频率 获得测试关键词频率向量
根据所述测试关键词频率向量计算所述测试文本消息dk的状态向量,获得 测试状态向量所述测试状 态向量用于表征所述测试文 本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的第l个文本 特征,l的取值为1,2,...,M;
根据所述测试状态向量和所述基准状态向量计算所述 测试文本消息dk与所述基准文本消息d之间的内容的相似度。
可选的,所述根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度具体包括:
根据所述测试状态向量和所述基准状态向量计算所述 测试文本消息dk与所述基准文本消息d之间的内容差异度
根据所述内容差异度计算所述测试文本消息dk与所述基准文本消息d之 间的内容相似度
simk=1/divergencek。
可选的,在所述根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度之后,所述测量方法还包括:
判断所述内容相似度是否小于相似度阈值,如果是,所述测试文本消息dk与所述基准文本消息d的内容不相似;否则,所述测试文本消息dk与所述基 准文本消息d的内容相似。
为了实现上述目的,本发明还提供了如下方案:
一种网络论坛消息的内容相似度测量系统,所述测量系统包括:
获取模块,用于获取基准文本消息d和网络舆情管控的具体需求参数;
词典建立模块与所述获取模块连接,所述词典建立模块用于根据所述基准 文本消息d和所述网络舆情管控的具体需求参数,建立用户词典 Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维数,tj表示所述基 准文本消息d中的第j个关键中文实词,j的取值为1,2,...,M;
检索模块与所述词典建立模块连接,所述检索模块用于分别以所述关键中 文实词tj为关键词检索网络论坛消息,获得测试文本消息集合 D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数,dk表示第k条测 试文本消息,k的取值为1,2,3,...,N;
基准统计模块分别与所述获取模块和所述词典建立模块连接,所述基准统 计模块用于统计所述关键中文实词在所述基准文本消息d中出现的频率 获得基准关键词频率向量
基准状态向量计算模块与所述基准统计模块连接,所述基准状态向量计算 模块用于根据所述基准关键词频率向量计算所述基准文本 消息d的状态向量,获得基准状态向量 所述基准状态向量用于表征所 述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文 本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
测试统计模块与所述检索模块连接,所述测试统计模块用于统计所述关键 中文实词在所述测试文本消息dk中出现的频率获得测试关键 词频率向量
测试状态向量计算模块与所述测试统计模块连接,测试状态向量计算模块用于根据所述测试关键词频率向量计算所述测试文本消息dk的状态向量,获得测试状态向量所述测试状态向量用于表征所述测试文 本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的第l个文本 特征,l的取值为1,2,...,M;
相似度计算模块分别与所述测试状态向量计算模块和所述基准状态向量 计算模块连接,所述相似度计算模块用于根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供 了一种能够提高测量准确度的网络论坛消息的内容相似度测量方法及系统,根 据所述测试状态向量和所述基准状态向量 S={s1,s2,...,sM}计算所述测试文本消息dk与所述基准文本消息d之间的内 容的相似度,所述测试状态向量和所述基准状态向量 S={s1,s2,...,sM}间内容的相似度是非对称的,即两个文本消息之间的内容相 似度的值不仅与两个文本消息的语义特征相关,而且与基准消息的选择有关, 更符合网络论坛敏感信息管控需求,提高了网络论坛消息的内容相似度测量的 准确度。
采用状态向量作为相似度指标,所述相似度指标是独立于文本消息集合特 征的,具有独立性,使得相似度测量更加方便,尤其是针对大数据文本消息内 容相似度的测量,由于规避了测试样本集合的特征提取,提高了测量的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是 本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性 的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的网络论坛消息的内容相似度测量方法的流程图;
图2为本发明提供的根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度的流程图;
图3为本发明提供的网络论坛消息的内容相似度测量系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是 全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造 性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种能够提高测量准确度的网络论坛消息的内容相 似度测量方法及系统。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和 具体实施方式对本发明作进一步详细的说明。
如图1所示的一种网络论坛消息的内容相似度测量方法的流程图,所述测 量方法包括:
步骤100:获取基准文本消息d和网络舆情管控的具体需求参数;
步骤200:根据所述基准文本消息d和所述网络舆情管控的具体需求参 数,建立用户词典Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维 数,tj表示所述基准文本消息d中的第j个关键中文实词,j的取值为1,2,..., M;
步骤300:分别以所述关键中文实词tj为关键词检索网络论坛消息,获得 测试文本消息集合D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数, dk表示第k条测试文本消息,k的取值为1,2,3,...,N;
步骤400:统计所述关键中文实词在所述基准文本消息d中出现的频率获得基准关键词频率向量
步骤500:根据所述基准关键词频率向量计算所述基 准文本消息d的状态向量,获得基准状态向量所述基准状态向量用于表征所 述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文 本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
步骤600:统计所述关键中文实词在所述测试文本消息dk中出现的频率获得测试关键词频率向量
步骤700:根据所述测试关键词频率向量计算所述测试文本消息dk的状态 向量,获得测试状态向量所述测试状态向量用于表征 所述测试文本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的 第l个文本特征,l的取值为1,2,...,M;
步骤800:根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度。
如图2所示的所述步骤800:
根据所述测试状态向量 和所述基准状态向量 计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度的流程图,具体包括:
步骤801:根据所述测试状态向量和所述基准状态向 量计算所述测试文本消息dk与 所述基准文本消息d之间的内容差异度
步骤802:根据所述内容差异度计算所述测试文本消息dk与所述基准文本 消息d之间的内容相似度
simk=1/divergencek。
在所述800:
根据所述测试状态向量 和所述基准状态向量 计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度之后,所述测量方法还包括:
判断所述内容相似度是否小于相似度阈值,如果是,所述测试文本消息dk与所述基准文本消息d的内容不相似;否则,所述测试文本消息dk与所述基 准文本消息d的内容相似。
为了实现上述目的,本发明还提供了如下方案:
如图2所示的一种网络论坛消息的内容相似度测量系统,所述测量系统包 括:
获取模块1,用于获取基准文本消息d和网络舆情管控的具体需求参数;
词典建立模块2与所述获取模块1连接,所述词典建立模块2用于根据所 述基准文本消息d和所述网络舆情管控的具体需求参数,建立用户词典 Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维数,tj表示所述基 准文本消息d中的第j个关键中文实词,j的取值为1,2,...,M;
检索模块3与所述词典建立模块2连接,所述检索模块3用于分别以所述 关键中文实词tj为关键词检索网络论坛消息,获得测试文本消息集合 D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数,dk表示第k条测 试文本消息,k的取值为1,2,3,...,N;
基准统计模块4分别与所述获取模块1和所述词典建立模块2连接,所述 基准统计模块4用于统计所述关键中文实词在所述基准文本消息d中出现的 频率获得基准关键词频率向量
基准状态向量计算模块5与所述基准统计模块4连接,所述基准状态向量 计算模块5用于根据所述基准关键词频率向量计算所述基 准文本消息d的状态向量,获得基准状态向量 所述基准状态向量用于表征所 述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文 本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
测试统计模块6与所述检索模块3连接,所述测试统计模块6用于统计所 述关键中文实词在所述测试文本消息dk中出现的频率获得测 试关键词频率向量
测试状态向量计算模块7与所述测试统计模块6连接,测试状态向量计算 模块7用于根据所述测试关键词频率向量计算所述测试文本消息dk的状态向量,获得测试状态向量
所述测试状态向量用于表征所 述测试文本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的 第l个文本特征,l的取值为1,2,...,M;
相似度计算模块8分别与所述测试状态向量计算模块7和所述基准状态向 量计算模块5连接,所述相似度计算模块8用于根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所 述基准文本消息d之间的内容的相似度。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是 与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较 简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的 一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变 之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种网络论坛消息的内容相似度测量方法,其特征在于,所述测量方法包括:
获取基准文本消息d和网络舆情管控的具体需求参数;
根据所述基准文本消息d和所述网络舆情管控的具体需求参数,建立用户词典Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维数,tj表示所述基准文本消息d中的第j个关键中文实词,j的取值为1,2,...,M;
分别以所述关键中文实词tj为关键词检索网络论坛消息,获得测试文本消息集合D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数,dk表示第k条测试文本消息,k的取值为1,2,3,...,N;
统计所述关键中文实词在所述基准文本消息d中出现的频率获得基准关键词频率向量
根据所述基准关键词频率向量计算所述基准文本消息d的状态向量,获得基准状态向量所述基准状态向量用于表征所述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
统计所述关键中文实词在所述测试文本消息dk中出现的频率获得测试关键词频率向量
根据所述测试关键词频率向量计算所述测试文本消息dk的状态向量,获得测试状态向量所述测试状态向量Sk用于表征所述测试文本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的第l个文本特征,l的取值为1,2,...,M;
根据所述测试状态向量和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度。
2.根据权利要求1所述的一种网络论坛消息的内容相似度测量方法,其特征在于,所述根据所述测试状态向量和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度具体包括:
根据所述测试状态向量和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容差异度
根据所述内容差异度计算所述测试文本消息dk与所述基准文本消息d之间的内容相似度
simk=1/divergencek。
3.根据权利要求1所述的一种网络论坛消息的内容相似度测量方法,其特征在于,在所述根据所述测试状态向量和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度之后,所述测量方法还包括:
判断所述内容相似度是否小于相似度阈值,如果是,所述测试文本消息dk与所述基准文本消息d的内容不相似;否则,所述测试文本消息dk与所述基准文本消息d的内容相似。
4.一种网络论坛消息的内容相似度测量系统,其特征在于,所述测量系统包括:
获取模块,用于获取基准文本消息d和网络舆情管控的具体需求参数;
词典建立模块与所述获取模块连接,所述词典建立模块用于根据所述基准文本消息d和所述网络舆情管控的具体需求参数,建立用户词典Dictionary={t1,t2,...,tM},其中,M为所述用户词典的维数,tj表示所述基准文本消息d中的第j个关键中文实词,j的取值为1,2,...,M;
检索模块与所述词典建立模块连接,所述检索模块用于分别以所述关键中文实词tj为关键词检索网络论坛消息,获得测试文本消息集合D={d1,d2,...,dN},其中,N表示所述测试文本消息的条数,dk表示第k条测试文本消息,k的取值为1,2,3,...,N;
基准统计模块分别与所述获取模块和所述词典建立模块连接,所述基准统计模块用于统计所述关键中文实词在所述基准文本消息d中出现的频率获得基准关键词频率向量
基准状态向量计算模块与所述基准统计模块连接,所述基准状态向量计算模块用于根据所述基准关键词频率向量计算所述基准文本消息d的状态向量,获得基准状态向量所述基准状态向量用于表征所述基准文本消息d的文本特征;其中,sl表示所述基准文本消息d的第l个文本特征,l的取值为1,2,...,M,i的取值为1,2,...,M;
测试统计模块与所述检索模块连接,所述测试统计模块用于统计所述关键中文实词在所述测试文本消息dk中出现的频率获得测试关键词频率向量
测试状态向量计算模块与所述测试统计模块连接,测试状态向量计算模块用于根据所述测试关键词频率向量计算所述测试文本消息dk的状态向量,获得测试状态向量
所述测试状态向量用于表征所述测试文本消息dk的文本特征;其中,表示第k条所述测试文本消息dk的第l个文本特征,l的取值为1,2,...,M;
相似度计算模块分别与所述测试状态向量计算模块和所述基准状态向量计算模块连接,所述相似度计算模块用于根据所述测试状态向量
和所述基准状态向量计算所述测试文本消息dk与所述基准文本消息d之间的内容的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102058.5A CN108319690A (zh) | 2018-02-01 | 2018-02-01 | 一种网络论坛消息的内容相似度测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810102058.5A CN108319690A (zh) | 2018-02-01 | 2018-02-01 | 一种网络论坛消息的内容相似度测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108319690A true CN108319690A (zh) | 2018-07-24 |
Family
ID=62888161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810102058.5A Pending CN108319690A (zh) | 2018-02-01 | 2018-02-01 | 一种网络论坛消息的内容相似度测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108319690A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113157871A (zh) * | 2021-05-27 | 2021-07-23 | 东莞心启航联贸网络科技有限公司 | 应用人工智能的新闻舆情文本处理方法、服务器及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240498A1 (en) * | 2008-03-19 | 2009-09-24 | Microsoft Corporation | Similiarity measures for short segments of text |
CN103092950A (zh) * | 2013-01-15 | 2013-05-08 | 重庆邮电大学 | 一种网络舆情地理位置实时监控系统和方法 |
CN107066555A (zh) * | 2017-03-26 | 2017-08-18 | 天津大学 | 面向专业领域的在线主题检测方法 |
-
2018
- 2018-02-01 CN CN201810102058.5A patent/CN108319690A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090240498A1 (en) * | 2008-03-19 | 2009-09-24 | Microsoft Corporation | Similiarity measures for short segments of text |
CN103092950A (zh) * | 2013-01-15 | 2013-05-08 | 重庆邮电大学 | 一种网络舆情地理位置实时监控系统和方法 |
CN107066555A (zh) * | 2017-03-26 | 2017-08-18 | 天津大学 | 面向专业领域的在线主题检测方法 |
Non-Patent Citations (1)
Title |
---|
赵萌 等: "区间型多属性决策的相对熵排序法", 《系统工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113157871A (zh) * | 2021-05-27 | 2021-07-23 | 东莞心启航联贸网络科技有限公司 | 应用人工智能的新闻舆情文本处理方法、服务器及介质 |
CN113157871B (zh) * | 2021-05-27 | 2021-12-21 | 宿迁硅基智能科技有限公司 | 应用人工智能的新闻舆情文本处理方法、服务器及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Palotti et al. | The influence of pre-processing on the estimation of readability of web documents | |
CN109146707A (zh) | 基于大数据分析的电力用户分析方法、装置及电子设备 | |
CN112990035B (zh) | 一种文本识别的方法、装置、设备以及存储介质 | |
CN109871383A (zh) | 一种数据处理方法、装置、存储介质及电子设备 | |
CN110321285A (zh) | 测试用例处理方法及相关设备 | |
CN108319690A (zh) | 一种网络论坛消息的内容相似度测量方法及系统 | |
CN109408502A (zh) | 一种数据标准处理方法、装置及其存储介质 | |
LI et al. | Reflections on issues in national geographical conditions monitoring | |
CN106528507B (zh) | 一种中文文本相似度的检测方法及检测装置 | |
McMeekin et al. | Effectiveness of quality control methods for glomerular filtration rate calculation | |
Geng | Identifying the Unique Polarization Index: A Mean‐Preserving Axiomatic Approach | |
CN102523286A (zh) | 服务信誉度获取方法及装置 | |
CN101882259A (zh) | 用于对实体关系实例进行过滤的方法和设备 | |
CN110287302A (zh) | 一种国防科技领域开源信息置信度确定方法及系统 | |
CN108985598B (zh) | 一种基于用户生成内容的poi空间影响力评价方法及系统 | |
CN106794813B (zh) | 一种车速脉冲信号电平的转换匹配电路 | |
Swinburne | Vagueness, inexactness, and imprecision | |
CN206961121U (zh) | 一种基于ar增强现实的文档管理系统、ar移动智能终端 | |
CN206311026U (zh) | 卡尺检具 | |
CN105279155B (zh) | 一种访问对象的数据处理方法及装置 | |
CN109376335A (zh) | 一种考虑信息项相似度的信息熵计算方法 | |
Sardar et al. | Trade potential and infrastructure: An application of gravity model on OBOR economies | |
CN103678666A (zh) | 用于在线访问的数据处理方法和装置 | |
CN105929237A (zh) | 一种时域信号性能评估装置 | |
Hsu et al. | Distinguishing between trend-break models: Method and empirical evidence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |
Application publication date: 20180724 |
|
RJ01 | Rejection of invention patent application after publication |