CN111339310B - 一种面向社交媒体的在线争辩生成方法、系统及存储介质 - Google Patents
一种面向社交媒体的在线争辩生成方法、系统及存储介质 Download PDFInfo
- Publication number
- CN111339310B CN111339310B CN201911191509.8A CN201911191509A CN111339310B CN 111339310 B CN111339310 B CN 111339310B CN 201911191509 A CN201911191509 A CN 201911191509A CN 111339310 B CN111339310 B CN 111339310B
- Authority
- CN
- China
- Prior art keywords
- online
- text
- dispute
- text data
- disputed
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 31
- 239000013598 vector Substances 0.000 claims description 30
- 238000002372 labelling Methods 0.000 claims description 13
- 238000013480 data collection Methods 0.000 claims description 12
- 230000009193 crawling Effects 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000002996 emotional effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种面向社交媒体的在线争辩生成方法、系统及存储介质,该在线争辩生成方法包括:步骤1:收集用户在社交媒体上针对热点事件的在线争辩文本数据,对在线争辩文本数据进行人工标注;步骤2:收集与在线争辩文本数据相关的结构化知识与文本知识;步骤3:结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;步骤4:在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点。本发明的有益效果是:本发明结合知识图谱信息,可以充分利用文本信息中的尝试知识,可以生成更流畅、更具有争辩性的文本。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种面向社交媒体的在线争辩生成方法、系统及存储介质。
背景技术
随着Web 2.0技术和互联网特别是移动互联网技术的快速发展,人类使用互联网的方式正在转向信息获取与基于用户的信息创造、交流和共享并重发展。从电子公告牌系统(BBS)、即时通讯(IM)、博客(Blog)开始, Twitter、Facebook、Flickr、LinkedIn、微博等多种多样的社交网络服务不断涌现,推动大批互联网用户自发地在产生及贡献内容。社会化媒体中的文本往往带有大量情感信息。
社交媒体中的在线争辩作为用户表达情感倾向性的重要平台,同时也是改变用户针对某一事件立场倾向性的绝佳机会。通过充分利用在线争辩,我们可以使用基于自然语言生成技术自动地改变某些用户针对事件的看法。
发明内容
本发明提供了一种面向社交媒体的在线争辩生成方法,包括如下步骤:
步骤1:收集用户在社交媒体上针对热点事件的在线争辩文本数据,对在线争辩文本数据进行人工标注;
步骤2:收集与在线争辩文本数据相关的结构化知识与文本知识;
步骤3:结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
步骤4:在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点。
作为本发明的进一步改进,所述步骤1包括:
步骤1.1:使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
步骤1.2:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;
步骤1.3:对在线争辩文本数据进行人工标注。
作为本发明的进一步改进,在所述步骤1.3中,人工标注包括:
将在线争辩文本数据中每一条文本的观点进行标注;
将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分。
作为本发明的进一步改进,所述步骤2包括:
步骤2.1:通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
步骤2.2:在结构化知识库中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
作为本发明的进一步改进,所述步骤3包括:
步骤3.1:将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
步骤3.2:将对应的TransE向量拼接在对应的词语向量上;
步骤3.3:使用序列到序列模型在步骤1得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
本发明还提供了一种面向社交媒体的在线争辩生成系统,包括:
在线争辩数据收集及标注模块:用于收集用户在社交媒体上针对热点事件的在线争辩数据,对在线争辩数据进行人工标注;
知识收集模块:用于收集与在线争辩文本数据相关的结构化知识与文本知识;
自然语言生成模型训练模块:用于结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
争辩文本生成模块:用于在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点。
作为本发明的进一步改进,所述在线争辩数据收集及标注模块包括:
数据采集模块:用于使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
预处理模块:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;
标注模块:用于对在线争辩文本数据进行人工标注,人工标注包括:
将在线争辩文本数据中每一条文本的观点进行标注;
将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分。
作为本发明的进一步改进,所述知识收集模块包括:
数据抽取模块:用于通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
搜集模块:用于在结构化知识库中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
作为本发明的进一步改进,所述自然语言生成模型训练模块包括:
转化模块:用于将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
拼接模块:用于将对应的TransE向量拼接在对应的词语向量上;
训练模块:用于使用序列到序列模型在所述在线争辩数据收集及标注模块得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的在线争辩生成方法的步骤。
本发明的有益效果是:本发明结合知识图谱信息,可以充分利用文本信息中的尝试知识,可以生成更流畅、更具有争辩性的文本。
附图说明
图1是本发明的系统原理框图。
具体实施方式
本发明公开了一种面向社交媒体的在线争辩生成方法,包括如下步骤:
步骤1:收集用户在社交媒体上针对热点事件的在线争辩文本数据,对在线争辩文本数据进行人工标注;
步骤2:收集与在线争辩文本数据相关的结构化知识(知识图谱)与文本知识(维基百科);
步骤3:结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
步骤4:在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点。
所述步骤1包括:
步骤1.1:使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
步骤1.2:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;
步骤1.3:对在线争辩文本数据进行人工标注。
在所述步骤1.3中,人工标注包括:
将在线争辩文本数据中每一条文本的观点进行标注,立场可分为:+1 即此文本支持针对某一事件的观点,-1:即此文本不支持此观点,0:此文本未表示针对此观点的态度。
将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分,打分范围为-10至+10,分数越高表明文本片段越有可能改变其他用户的观点。
所述步骤2包括:
步骤2.1:通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
步骤2.2:在结构化知识库(例如但不限于Wikidata,Yago知识图谱) 中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
所述步骤3包括:
步骤3.1:将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
步骤3.2:将对应的TransE向量拼接在对应的词语向量上;
步骤3.3:使用序列到序列模型(seq2seq)在步骤1得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
如图1所示,本发明公开了一种面向社交媒体的在线争辩生成系统,包括:
在线争辩数据收集及标注模块(模块1):用于收集用户在社交媒体上针对热点事件的在线争辩数据,对在线争辩数据进行人工标注;
知识收集模块(模块2):用于收集与在线争辩文本数据相关的结构化知识(知识图谱)与文本知识(维基百科);
自然语言生成模型训练模块(模块3):用于结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
争辩文本生成模块(模块4):用于在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点。
所述在线争辩数据收集及标注模块包括:
数据采集模块:用于使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
预处理模块:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;
标注模块:用于对在线争辩文本数据进行人工标注,人工标注包括:
将在线争辩文本数据中每一条文本的观点进行标注;
将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分。
所述知识收集模块包括:
数据抽取模块:用于通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
搜集模块:用于在结构化知识库(例如但不限于Wikidata,Yago知识图谱)中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
所述自然语言生成模型训练模块包括:
转化模块:用于将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
拼接模块:用于将对应的TransE向量拼接在对应的词语向量上;
训练模块:用于使用序列到序列模型(seq2seq)在所述在线争辩数据收集及标注模块得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现本发明所述的在线争辩生成方法的步骤。
本发明的有益效果如下:
1.本发明结合知识图谱信息,可以充分利用文本信息中的尝试知识,可以生成更流畅、更具有争辩性的文本。
2.本发明使用端对端方法训练,不需要人为提出争辩文本的特征。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (7)
1.一种面向社交媒体的在线争辩生成方法,其特征在于,包括如下步骤:
步骤1:收集用户在社交媒体上针对热点事件的在线争辩文本数据,对在线争辩文本数据进行人工标注;
步骤2:收集与在线争辩文本数据相关的结构化知识与文本知识;
步骤3:结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
步骤4:在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点;
人工标注包括:将在线争辩文本数据中每一条文本的观点进行标注,将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分;
所述步骤3包括:
步骤3.1:将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
步骤3.2:将对应的TransE向量拼接在对应的词语向量上;
步骤3.3:使用序列到序列模型在步骤1得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
2.根据权利要求1所述的在线争辩生成方法,其特征在于,所述步骤1包括:
步骤1.1:使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
步骤1.2:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;
步骤1.3:对在线争辩文本数据进行人工标注。
3.根据权利要求1所述的在线争辩生成方法,其特征在于,所述步骤2包括:
步骤2.1:通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
步骤2.2:在结构化知识库中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
4.一种面向社交媒体的在线争辩生成系统,其特征在于,包括:
在线争辩数据收集及标注模块:用于收集用户在社交媒体上针对热点事件的在线争辩数据,对在线争辩数据进行人工标注;
知识收集模块:用于收集与在线争辩文本数据相关的结构化知识与文本知识;
自然语言生成模型训练模块:用于结合结构化知识与文本知识,利用在线争辩文本数据训练自然语言生成模型;
争辩文本生成模块:用于在真实争辩文本中,使用自然语言生成模型生成相应的争辩文本,该争辩文本用于改变用户的观点;
人工标注包括:将在线争辩文本数据中每一条文本的观点进行标注,将在线争辩文本数据中潜在可能改变其他用户观点的文本进行打分;
所述自然语言生成模型训练模块包括:
转化模块:用于将抽取到的知识化知识节点与关系通过TransE算法转化为向量形式;
拼接模块:用于将对应的TransE向量拼接在对应的词语向量上;
训练模块:用于使用序列到序列模型在所述在线争辩数据收集及标注模块得到的在线争辩文本数据上训练至收敛,训练过程中输入为词语向量与结构化知识向量的拼接。
5.根据权利要求4所述的在线争辩生成系统,其特征在于,所述在线争辩数据收集及标注模块包括:
数据采集模块:用于使用爬虫框架在社交媒体上爬取给定热点事件相关的在线争辩文本数据,在线争辩文本数据以多轮对话形式进行储存;
预处理模块:对爬取的在线争辩文本数据进行预处理,将在线争辩文本数据中与热点事件无关的文本片段删除,同时对文本进行分词及词性标注;标注模块:用于对在线争辩文本数据进行人工标注。
6.根据权利要求4所述的在线争辩生成系统,其特征在于,所述知识收集模块包括:
数据抽取模块:用于通过自动实体链接工具对在线争辩文本数据中提到的实体进行抽取;
搜集模块:用于在结构化知识库中通过广度优先算法搜集与在线争辩文本数据提到实体相关的实体信息。
7.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现权利要求1-3中任一项所述的在线争辩生成方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191509.8A CN111339310B (zh) | 2019-11-28 | 2019-11-28 | 一种面向社交媒体的在线争辩生成方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911191509.8A CN111339310B (zh) | 2019-11-28 | 2019-11-28 | 一种面向社交媒体的在线争辩生成方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111339310A CN111339310A (zh) | 2020-06-26 |
CN111339310B true CN111339310B (zh) | 2023-05-16 |
Family
ID=71183242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911191509.8A Active CN111339310B (zh) | 2019-11-28 | 2019-11-28 | 一种面向社交媒体的在线争辩生成方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111339310B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015175931A1 (en) * | 2014-05-15 | 2015-11-19 | Microsoft Technology Licensing, Llc | Language modeling for conversational understanding domains using semantic web resources |
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN109902284A (zh) * | 2018-12-30 | 2019-06-18 | 中国科学院软件研究所 | 基于论辩挖掘的一种无监督论点提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10073840B2 (en) * | 2013-12-20 | 2018-09-11 | Microsoft Technology Licensing, Llc | Unsupervised relation detection model training |
-
2019
- 2019-11-28 CN CN201911191509.8A patent/CN111339310B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015175931A1 (en) * | 2014-05-15 | 2015-11-19 | Microsoft Technology Licensing, Llc | Language modeling for conversational understanding domains using semantic web resources |
WO2018036239A1 (zh) * | 2016-08-24 | 2018-03-01 | 慧科讯业有限公司 | 基于行业知识图谱数据库对互联网媒体事件进行监测的方法、装置和系统 |
CN109902284A (zh) * | 2018-12-30 | 2019-06-18 | 中国科学院软件研究所 | 基于论辩挖掘的一种无监督论点提取方法 |
Non-Patent Citations (1)
Title |
---|
Di Chen, Jiachen Du, Lidong Bing, Ruifeng Xu."Hybrid Neural Attention for Agreement/Disagreement Inference in Online Debates".《Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing(EMNLP)》.2018,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111339310A (zh) | 2020-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287479B (zh) | 命名实体识别方法、电子装置及存储介质 | |
WO2018032937A1 (zh) | 一种文本信息分类方法及其装置 | |
CN103336766B (zh) | 短文本垃圾识别以及建模方法和装置 | |
WO2016197767A2 (zh) | 一种表情输入方法、装置、终端和计算机可读存储介质 | |
CN103020140B (zh) | 一种对互联网用户评论内容自动过滤的方法和装置 | |
CN105389389B (zh) | 一种网络舆情传播态势媒体联动分析方法 | |
CN102110140A (zh) | 基于网络离散文本的舆情信息分析方法 | |
CN102682120B (zh) | 一种网络评论精华文本的获取方法和装置 | |
CN103593412B (zh) | 一种基于树形结构问题的应答方法及系统 | |
CN107239512B (zh) | 一种结合评论关系网络图的微博垃圾评论识别方法 | |
CN102088419A (zh) | 一种在社交网络中查找好友信息的方法和系统 | |
KR20150096294A (ko) | 질문 및 답변 분류 방법, 그리고 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
US11010687B2 (en) | Detecting abusive language using character N-gram features | |
CN109815485B (zh) | 一种微博短文本情感极性识别的方法、装置及存储介质 | |
CN105893484A (zh) | 一种基于文本特征和行为特征的微博Spammer识别方法 | |
CN103136226A (zh) | 一种搜索用户的方法与装置 | |
CN104142936A (zh) | 匹配音视频的方法和装置 | |
CN105279159B (zh) | 联系人的提示方法和装置 | |
CN104731874A (zh) | 一种评价信息生成方法和装置 | |
CN104281565A (zh) | 语义词典构建方法和装置 | |
CN107665188A (zh) | 一种语义理解方法及装置 | |
CN103942274B (zh) | 一种基于lda的生物医疗图像的标注系统及方法 | |
CN103279483B (zh) | 一种面向微博客的话题流行范围评估方法及系统 | |
CN113098934A (zh) | 基于大数据及私域流量的内容推送方法及社交网络平台 | |
CN111339310B (zh) | 一种面向社交媒体的在线争辩生成方法、系统及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |