CN110415014A - 一种品牌网络健康度确定方法、装置、终端及存储介质 - Google Patents

一种品牌网络健康度确定方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN110415014A
CN110415014A CN201910526768.5A CN201910526768A CN110415014A CN 110415014 A CN110415014 A CN 110415014A CN 201910526768 A CN201910526768 A CN 201910526768A CN 110415014 A CN110415014 A CN 110415014A
Authority
CN
China
Prior art keywords
article group
attention rate
similar article
similar
health degree
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.)
Withdrawn
Application number
CN201910526768.5A
Other languages
English (en)
Inventor
向安玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Boda Data Technology Co Ltd
Original Assignee
Beijing Boda Data Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Boda Data Technology Co Ltd filed Critical Beijing Boda Data Technology Co Ltd
Priority to CN201910526768.5A priority Critical patent/CN110415014A/zh
Publication of CN110415014A publication Critical patent/CN110415014A/zh
Withdrawn legal-status Critical Current

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
    • G06F16/35—Clustering; Classification
    • 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
    • G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/383—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Abstract

本发明公开了一种品牌网络健康度确定方法、装置、终端及存储介质，该方法包括：基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；确定正面相似文章群并计算所述相似文章群的关注度；根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度。本发明提供的品牌网络健康度确定方法、装置、终端及存储介质，可以实现品牌网络健康度的客观评估。

Description

一种品牌网络健康度确定方法、装置、终端及存储介质
技术领域
本发明涉及健康度确定技术领域，特别涉及一种品牌网络健康度确定方法、装置、终端及存储介质。
背景技术
品牌健康度是指一段时间内某品牌的健康程度，主要表现为负面信息对品牌的健康造成的损害程度，负面信息越少损害程度越小，品牌健康度越高。这一指标表明一段时间内某一品牌或组织在互联网上的品牌健康程度。品牌健康度指数越高，口碑形象越好。随着舆论环境的日益发展，品牌健康度越来越难以仅通过人工监测评估。在新舆论环境场景下，需要建立客观的评估指标来评判品牌健康度状况。
发明内容
本发明提供一种品牌网络健康度确定方法、装置、终端及存储介质，可以实现品牌网络健康度的客观评估。
第一方面，本发明实施例提供了一种品牌网络健康度确定方法，包括：
基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
确定正面相似文章群并计算所述相似文章群的关注度；
根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度。
优选地，所述根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度，具体为：根据所述正面相似文章群的关注度确定正面相似文章群总关注度，根据所述相似文章群的关注度确定相似文章群总关注度，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度。
优选地，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度，具体为：对每个媒体平台的正面相似文章群的关注度进行加和得到正面相似文章群总关注度，对每个媒体平台的相似文章群的关注度进行加和得到所述相似文章群总关注度，将所述正面相似文章群总关注度与所述相似文章群总关注度相除得到所述目标品牌网络健康度。
优选地，所述确定正面相似文章群并计算所述相似文章群的关注度，具体为：通过对每个媒体平台的相似文章群分别进行语义分析确定正面相似文章群，以及通过计算每个媒体平台的相似文章群的阅读数，确定相似文章群的关注度。
优选地，所述基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群，具体为：对每个媒体平台的传播数据进行聚类分析，得到每个媒体平台对应的相似文章群。
优选地，所述多个媒体平台包括微博平台、微信平台、综合类新闻网站平台、客户端平台。
第二方面，本发明实施例提供了一种品牌网络健康度确定装置，包括：
相似文章群确定模块，用于基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
关注度确定模块，用于确定正面相似文章群并计算所述相似文章群的关注度；
健康度确定模块，用于根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度。
优选地，所述健康度确定模块中，所述根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度，具体为：根据所述正面相似文章群的关注度确定正面相似文章群总关注度，根据所述相似文章群的关注度确定相似文章群总关注度，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度。
第三方面，本申请实施例提供了一种终端，包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述终端执行上述的品牌网络健康度确定方法。
第四方面，本申请实施例提供了计算机存储介质，其上存储计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行上述的品牌网络健康度确定方法。
采用上述技术方案，由于采集了目标品牌在多个媒体平台的传播数据，并且根据该传播数据得到了每个媒体平台对应的相似文章群；计算每个相似文章群的关注度，并且确定出正面相似文章群，而后通过正面相似文章群的关注度以及每个相似文章群的关注度来确定目标品牌网络健康度，这样能比较客观的实现目标品牌网络健康度的评估。
附图说明
图1为本发明实施例提供的品牌网络健康度确定方法的流程图；
图2为本发明实施例提供的品牌网络健康度确定装置的结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
其中，在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
第一方面，如图1所示，本发明实施例提供了一种品牌网络健康度确定方法，包括：
S101、基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
可以用爬虫技术采集目标品牌在多个媒体平台的传播数据，然后针对每个媒体平台采集的传播数据，将相似文本划分在一个相似文章群中，得到每个媒体平台对应的相似文章群，该相似文章群可以为一个，也可以为2个以上。
S102、确定正面相似文章群并计算相似文章群的关注度；
从相似文章群中确定出哪个为正面相似文章群，计算每个媒体平台对应的正面相似文章群的关注度，还有其余的相似文章群的关注度。
S103、根据正面相似文章群的关注度以及相似文章群的关注度，确定目标品牌网络健康度。
得到正面相似文章群的关注度以及其余每个相似文章群的关注度，就可以根据关注度确定目标品牌网络健康度。
采用上述技术方案，由于采集了目标品牌在多个媒体平台的传播数据，并且根据该传播数据得到了每个媒体平台对应的相似文章群；计算每个相似文章群的关注度，并且确定出正面相似文章群，而后通过正面相似文章群的关注度以及每个相似文章群的关注度来确定目标品牌网络健康度，这样能比较客观的实现目标品牌网络健康度的评估。
作为一种优选的实施方式，步骤S103中：根据正面相似文章群的关注度以及相似文章群的关注度，确定目标品牌网络健康度，具体为：根据正面相似文章群的关注度确定正面相似文章群总关注度，根据相似文章群的关注度确定相似文章群总关注度，通过正面相似文章群总关注度和相似文章群总关注度确定目标品牌网络健康度。
通过计算每个媒体平台对应的正面相似文章群的关注度，可以得到正面相似文章群总关注度。通过计算每个媒体平台对应的相似文章群的关注度，可以得到相似文章群总关注度。根据正面相似文章群总关注度和相似文章群总关注度就可以确定目标品牌网络健康度。
优选地，通过正面相似文章群总关注度和相似文章群总关注度确定目标品牌网络健康度，具体为：对每个媒体平台的正面相似文章群的关注度进行加和得到正面相似文章群总关注度，对每个媒体平台的相似文章群的关注度进行加和得到相似文章群总关注度，将正面相似文章群总关注度与相似文章群总关注度相除得到目标品牌网络健康度。
优选地，确定正面相似文章群并计算相似文章群的关注度，具体为：通过对每个媒体平台的相似文章群分别进行语义分析确定正面相似文章群，以及通过计算每个媒体平台的相似文章群的阅读数，确定相似文章群的关注度。
通过语义分析方法，对来自各媒体平台的传播数据进行细粒度的切分与主题抽取，对于文本内容的更多细节予以覆盖，更为全面的分析文章群中用户的情感倾向，对评估的精细度有更好的掌握。
优选地，基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群，具体为：对每个媒体平台的传播数据进行聚类分析，得到每个媒体平台对应的相似文章群。
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。聚类分析简单、直观，不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到分成若干类别的解。
优选地，多个媒体平台包括微博平台、微信平台、综合类新闻网站平台、客户端平台。
其中，综合类新闻网站平台包括新浪、搜狐、网易等平台中的至少一种。
客户端平台包括今日头条、汽车之家等平台中的至少一种。
以下对于计算各个媒体平台的相似文章群的关注度举例进行详细说明：
首先需要说明的是：网站端的PV(page view)即页面浏览量，根据业内研究观察，认为10个PV能带来一个阅读，认为一个阅读对应一个覆盖人数(如果某一平台没有出现相似文章，则该平台覆盖人次记为0)。
(1)计算微博平台相似文章群的覆盖人数和关注度得分
微博平台的阅读数不对外公开，根据长期观察研究，默认为10个阅读可带来一个微博转发，也即转发阅读率为10％。根据相似文章群组的总转发数推算其总阅读数，也即覆盖人次。
故微博平台上的阅读数＝相似文章群的总转发数÷10％
故微博平台上的关注度＝(相似文章群的总转发数÷10％)÷1000
(2)计算微信平台相似文章群的覆盖人数和关注度得分
微信公众号文章可直接采集到阅读数，认为采集总阅读数即为其覆盖人次。
故微信平台上的关注度＝相似文章群的总阅读数÷1000
(3)计算网站平台相似文章群的覆盖人数和关注度得分
网站平台的覆盖人数(阅读数)为PV值÷10(10个页面浏览带来一个阅读)，基于网站PV值、网站总链接数、频道位置及文章露出与否，去计算单篇文章PV值。
首页加权(首页溢价)：基于对5141篇某品牌相关网站文章的数据测算，发现158篇首页文章平均阅读数和4983篇非首页文章平均阅读数为1.64:1(706:430)，故认为首页文章PV值加权系数为1.6(此为动态系数，不同站点、不同时间段的系数值均有不同，一个季度迭代一次)
露出加权(非露出折价)：基于对5141篇某品牌相关网站文章的数据测算，发现124篇露出文章平均阅读数和4757篇非露出文章平均阅读数为1:0.35(447：159)，故认为非露出文章PV值折价系数为0.4(此为动态系数，不同站点、不同时间段的系数值均有不同，一个季度迭代一次)
首页&不露出单篇文章阅读数＝1.6*0.4*网站总PV÷网站总链接数÷10
首页&露出单篇文章阅读数＝1.6*1*网站总PV÷网站总链接数÷10
非首页&不露出单篇文章阅读数＝1*0.4*网站总PV÷网站总链接数÷10
非首页&露出单篇文章阅读数＝1*1*网站总PV÷网站总链接数÷10
网站平台关注度＝相似文章群总阅读数÷1000
(5)计算客户端平台相似文章群的覆盖人数和关注度得分
客户端上可直接采集阅读次数，作为覆盖人次。
故客户端平台上的关注度＝相似文章群的总阅读数÷1000
根据上述每个媒体平台的相似文章群的关注度就可以得到相似文章群总关注度。
需要说明的是：上述方式只是一种关注度示意计算方式，本申请并不局限于这种计算方式。
第二方面，如图2所示，本发明实施例提供了一种品牌网络健康度确定装置，包括：
相似文章群确定模块21，用于基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
关注度确定模块22，用于确定正面相似文章群并计算相似文章群的关注度；
健康度确定模块23，用于根据正面相似文章群的关注度以及相似文章群的关注度，确定目标品牌网络健康度。
优选地，健康度确定模块23中，根据正面相似文章群的关注度以及相似文章群的关注度，确定目标品牌网络健康度，具体为：根据正面相似文章群的关注度确定正面相似文章群总关注度，根据相似文章群的关注度确定相似文章群总关注度，通过正面相似文章群总关注度和相似文章群总关注度确定目标品牌网络健康度。
第三方面，本申请实施例提供了一种终端，包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述终端执行如上述的品牌网络健康度确定方法。
上述存储器可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器用于存储执行本申请方案的应用程序代码，并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码，从而实现本专利方法中的功能。
在具体实现中，作为一种实施例，处理器可以包括一个或多个CPU。
在具体实现中，作为一种实施例，该终端可以包括多个处理器。这些处理器中的每一个可以是一个单核(single-CPU)处理器，也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
第四方面，本申请实施例提供了计算机存储介质，其上存储计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行如上述的品牌网络健康度确定方法。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (10)

1.一种品牌网络健康度确定方法，其特征在于，包括：
基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
确定正面相似文章群并计算所述相似文章群的关注度；
根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度。
2.根据权利要求1所述的品牌网络健康度确定方法，其特征在于，所述根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度，具体为：根据所述正面相似文章群的关注度确定正面相似文章群总关注度，根据所述相似文章群的关注度确定相似文章群总关注度，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度。
3.根据权利要求2所述的品牌网络健康度确定方法，其特征在于，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度，具体为：对每个媒体平台的正面相似文章群的关注度进行加和得到正面相似文章群总关注度，对每个媒体平台的相似文章群的关注度进行加和得到相似文章群总关注度，将所述正面相似文章群总关注度与所述相似文章群总关注度相除得到所述目标品牌网络健康度。
4.根据权利要求1所述的品牌网络健康度确定方法，其特征在于，所述确定正面相似文章群并计算所述相似文章群的关注度，具体为：通过对每个媒体平台的相似文章群分别进行语义分析确定正面相似文章群，以及通过计算每个媒体平台的相似文章群的阅读数，确定相似文章群的关注度。
5.根据权利要求1所述的品牌网络健康度确定方法，其特征在于，所述基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群，具体为：对每个媒体平台的传播数据进行聚类分析，得到每个媒体平台对应的相似文章群。
6.根据权利要求1所述的品牌网络健康度确定方法，其特征在于，所述多个媒体平台包括微博平台、微信平台、综合类新闻网站平台、客户端平台。
7.一种品牌网络健康度确定装置，其特征在于，包括：
相似文章群确定模块，用于基于目标品牌在多个媒体平台的传播数据，确定每个媒体平台对应的相似文章群；
关注度确定模块，用于确定正面相似文章群并计算所述相似文章群的关注度；
健康度确定模块，用于根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度。
8.根据权利要求7所述的品牌网络健康度确定装置，其特征在于，所述健康度确定模块中，所述根据所述正面相似文章群的关注度以及所述相似文章群的关注度，确定所述目标品牌网络健康度，具体为：根据所述正面相似文章群的关注度确定正面相似文章群总关注度，根据所述相似文章群的关注度确定相似文章群总关注度，通过所述正面相似文章群总关注度和所述相似文章群总关注度确定所述目标品牌网络健康度。
9.一种终端，其特征在于，包括：一个或多个处理器、一个或多个存储器；所述一个或多个存储器与所述一个或多个处理器耦合，所述一个或多个存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述一个或多个处理器执行所述计算机指令时，所述终端执行如权利要求1-6任一项所述的品牌网络健康度确定方法。
10.一种计算机存储介质，其特征在于，其上存储计算机指令，当所述计算机指令在终端上运行时，使得所述终端执行如权利要求1-6任一项所述的品牌网络健康度确定方法。
CN201910526768.5A 2019-06-18 2019-06-18 一种品牌网络健康度确定方法、装置、终端及存储介质 Withdrawn CN110415014A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910526768.5A CN110415014A (zh) 2019-06-18 2019-06-18 一种品牌网络健康度确定方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910526768.5A CN110415014A (zh) 2019-06-18 2019-06-18 一种品牌网络健康度确定方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN110415014A true CN110415014A (zh) 2019-11-05

Family

ID=68359289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910526768.5A Withdrawn CN110415014A (zh) 2019-06-18 2019-06-18 一种品牌网络健康度确定方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN110415014A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487782A (zh) * 2020-12-11 2021-03-12 厦门市美亚柏科信息股份有限公司 一种基于文章相似数量的文章热度计算方法
CN113672744A (zh) * 2021-07-12 2021-11-19 北京新联财通咨询有限公司 文章可触达人次的估算方法、装置及计算机设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112487782A (zh) * 2020-12-11 2021-03-12 厦门市美亚柏科信息股份有限公司 一种基于文章相似数量的文章热度计算方法
CN112487782B (zh) * 2020-12-11 2024-04-09 厦门市美亚柏科信息股份有限公司 一种基于文章相似数量的文章热度计算方法
CN113672744A (zh) * 2021-07-12 2021-11-19 北京新联财通咨询有限公司 文章可触达人次的估算方法、装置及计算机设备
CN113672744B (zh) * 2021-07-12 2023-07-07 北京新联财通咨询有限公司 文章可触达人次的估算方法、装置及计算机设备

Similar Documents

Publication Publication Date Title
Schweiger et al. A comparative test of phylogenetic diversity indices
Alfaro et al. Bayes or bootstrap? A simulation study comparing the performance of Bayesian Markov chain Monte Carlo sampling and bootstrapping in assessing phylogenetic confidence
Stadler Mammalian phylogeny reveals recent diversification rate shifts
Aiello‐Lammens et al. spThin: an R package for spatial thinning of species occurrence records for use in ecological niche models
Leydesdorff et al. Indicators of the interdisciplinarity of journals: Diversity, centrality, and citations
Dimick et al. Ranking hospitals on surgical mortality: the importance of reliability adjustment
Aikio et al. Herbarium records identify the role of long‐distance spread in the spatial distribution of alien plants in New Zealand
Amancio et al. Comparing intermittency and network measurements of words and their dependence on authorship
US10296837B2 (en) Comment-comment and comment-document analysis of documents
Hagar et al. Survival analysis with electronic health record data: Experiments with chronic kidney disease
DÍAZ‐FRANCÉS et al. Statistical estimation and model selection of species‐accumulation functions
CN105095411B (zh) 一种基于app质量的app排名预测方法及系统
CN107967539A (zh) 基于机器学习和区块链技术的预测以太坊上交易的燃料限制的方法
CN110415014A (zh) 一种品牌网络健康度确定方法、装置、终端及存储介质
EP2827530A1 (en) Method for selecting nodes in a network, corresponding device, computer program and non-transitory computer-readable medium
Fryett et al. Investigation of prediction accuracy and the impact of sample size, ancestry, and tissue in transcriptome‐wide association studies
CN108268534A (zh) 传播影响力计算方法及装置
US20110231415A1 (en) Web page searching system and method using access time and frequency
Prabhakaran et al. Towards prediction of paradigm shifts from scientific literature
CN109885747A (zh) 行业舆情监控方法、装置、计算机设备及存储介质
Rosen et al. Directionality of real world networks as predicted by path length in directed and undirected graphs
CN115795177B (zh) 社交媒体内容推荐方法及装置
Floreskul et al. Memory-efficient fast shortest path estimation in large social networks
Nasser et al. Parameter free flower algorithm based strategy for pairwise testing
CN109376307A (zh) 文章推荐方法、装置和终端

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20191105

WW01 Invention patent application withdrawn after publication