CN113127743A - 新闻主体热度计算及排序方法、装置、设备和存储介质 - Google Patents
新闻主体热度计算及排序方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113127743A CN113127743A CN202110489258.2A CN202110489258A CN113127743A CN 113127743 A CN113127743 A CN 113127743A CN 202110489258 A CN202110489258 A CN 202110489258A CN 113127743 A CN113127743 A CN 113127743A
- Authority
- CN
- China
- Prior art keywords
- news
- popularity
- basic
- calculation
- calculating
- 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.)
- Granted
Links
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
- G06F16/90—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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/9538—Presentation of query results
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于数据处理技术领域,具体涉及一种新闻主体热度计算及排序方法、装置、设备和存储介质。其中方法包括获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比;计算每个主体的历史平均新闻热度比;将基础新闻热度比大于历史平均新闻热度比的主体通过预设的排序方式进行排序后,取前N个主体;对前N个主体分别计算基础异动值,对基础异动值进行归一化处理后得到异动值;按异动值进行降序排序,输出排序结果。本发明兼顾了主体的热度和热度变化率,避免了高新闻热度的主体始终排名靠前,也避免了新闻热度变化率较大但新闻热度值极低的主体排名靠前。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种新闻主体热度计算及排序方法、装置、设备和存储介质。
背景技术
随着互联网络的发展,每天产生的新闻数量不断增多,对新闻进行分析以及对分析结果的应用变得越来越重要。新闻分析在金融财经领域的一个重要应用是从新闻中提取出公司、行业等主体,并对主体排序后进行展示,以便用户能直观地看到当天有哪些主体被重点报道。
中国专利“CN104731857一种舆情热度的快速计算方法”中提供了一种计算舆情热度的方法,分别计算了信息在微博、搜索引擎、新闻和论坛中的热度,再将几种热度相加得到信息的总热度。这种技术方案计算了信息在不同来源的热度。但是在财经领域,某些公司由于知名度高,经营范围广,每天在新闻媒体中出现的次数都非常多,如果只按照热度进行排序,这些公司会长期排在前几名,对于用户而言没有任何信息量。
中国专利申请“CN108322316确定信息传播热度的方法、装置及计算设备”中提供了一种确定信息传播热度的方法、装置及计算设备,分析针对特定网络信息的N级分享数据,以确定该特定网络信息的各级分享相关参数,其中N是大于1的自然数;和根据特定网络信息的分享相关参数,计算该特定网络信息的传播热度S。这种技术方案计算了信息传播的速度和力度。但是在财经领域,大量的新闻是在股市上午开市之前、中午休市以及下午收市后的几个时间段内产生,新闻的时间集中度高,因此传播速度不能很好地区分信息的重要性。
可见,现有技术能够计算出信息的热度,但是应用在特定领域如财经金融领域时,排序效果不佳。另外,财经金融领域新闻的另一个重要特点是在股市交易日的新闻数量较多,在非交易日的新闻数量大大减少,一般会比交易日降低一个数量级,现有技术没有考虑非交易日带来的影响和计算偏差。
发明内容
本发明针对现有技术能够计算出信息的热度,但是应用在财经金融领域时,排序效果不佳的技术问题,目的在于提供一种新闻主体热度计算及排序方法、装置、设备和存储介质。
一种新闻主体热度计算及排序方法,包括:
获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E;
计算在所述主体集合E内的每个主体的历史平均新闻热度比Rcavg;
将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数;
根据预设的调节系数α,对所述前N个主体分别计算基础异动值pct,对所述基础异动值pct进行归一化处理后得到异动值Pct;
按所述异动值Rct进行降序排序,输出排序结果。
可选的,所述计算任一主体c在当前计算周期t内的基础新闻热度比Rct,包括采用如下计算公式计算所述基础新闻热度比Rct:
其中,Cct是在计算周期t内出现主体c的新闻数量,Cct称为主体c的出现次数,∑xCxt是在计算周期t内所有主体的出现次数总和,A为预设的大于0的系数。
可选的,所述基础新闻热度比Rct的计算公式优选为:
其中,B为预设的10b,b为不小于1的正整数。
可选的,所述计算在所述主体集合E内的每个主体的历史平均新闻热度比Rcavg,包括采用如下计算公式计算所述历史平均新闻热度比Rcavg:
可选的,所述将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,包括:
取Rct>Rcavg的主体,对所述主体按照Rct进行降序排列,取Rct在前N以内的主体;
其中,N为预设的需要最终展示的主体数量。
可选的,所述根据预设的调节系数α,对所述前N个主体分别计算基础异动值pct,包括采用如下计算公式计算所述基础异动值pct:
可选的,所述对所述基础异动值pct进行归一化处理后得到异动值Pct,包括采用如下归一化计算公式进行归一化处理后得到所述异动值Pct:
其中,β是预设的归一化系数,ceil()函数表示向上取整。
可选的,还包括:
等待预设的时间间隔后,进入下一个计算周期,跳转至第一步。
一种新闻主体热度计算及排序装置,包括:
计算基础新闻热度比模块,用于获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E;
计算历史平均新闻热度比模块,用于计算在所述主体集合E内的每个主体的历史平均新闻热度比Rcavg;
过滤模块,用于将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数;
计算异动值模块,用于根据预设的调节系数α,对所述前N个主体分别计算基础异动值pct,对所述基础异动值pct进行归一化处理后得到异动值Pct;
排序和输出模块,用于按所述异动值Pct进行降序排序,输出排序结果。
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述新闻主体热度计算及排序方法的步骤。
一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述新闻主体热度计算及排序方法的步骤。
本发明的积极进步效果在于:本发明采用新闻主体热度计算及排序方法、装置、设备和存储介质,具有如下显著优点:
1、把基础新闻热度比和历史平均新闻热度比的比值作为基础新闻热度比变化率纳入了计算,并通过调节系数调节两个因素的重要性。兼顾了主体的热度和热度变化率,避免了高新闻热度的主体始终排名靠前,也避免了新闻热度变化率较大但新闻热度值极低的主体排名靠前;
2、使用基础新闻热度比而不是新闻热度的数值进行计算,解决了非交易日新闻数量剧减带来的计算偏差。
3、对基础新闻热度比小于历史平均新闻热度比的主体和基础新闻热度比过小的主体进行了过滤,去除了热度降低和热度过低的主体,保证了最终的排序效果;
4、将最终的异动值归一化到了指定区间,便于用户理解异动值的数值以及其他应用使用异动值。
5、以滑动时间窗的方式划分计算周期,在任何一个计算周期内都包含了开市前,中午休市和下午休市后三个时间段,解决了新闻分布不均匀的问题。
附图说明
图1为本发明的一种整体流程示意图;
图2为本发明的一种实施例流程示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示进一步阐述本发明。
参照图1,本发明的一个实施例中一种新闻主体热度计算及排序方法,包括如下步骤:
S1,计算基础新闻热度比:获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E。
本步骤通过使用基础新闻热度比作为基础数据计算可以减小非交易日新闻数量少对计算带来的影响。
在一个实施例中,本步骤采用如下计算公式计算主体c的基础新闻热度比Rct:
其中,Cct是在计算周期t内出现主体c的新闻数量,Cct称为主体c的出现次数,∑xCxt是在计算周期t内所有主体的出现次数总和,A为预设的大于0的系数。为了避免数字过小带来的计算不便在上述计算公式中还可以乘以B,B为预设的10b,b为不小于1的正整数。B优选为1000,A优选为0.1,即主体c的基础新闻热度比Rct计算公式优选为:
计算周期t可以根据应用场景需要进行预先设置,本发明中的计算周期t优选时长为24小时,以便能在任何一个计算周期内都包含开市前,中午休市和下午休市后三个时间段。
S2,计算历史平均新闻热度比:计算在主体集合E内的每个主体的历史平均新闻热度比Rcavg。
在一个实施例中,本步骤中采用如下计算公式计算历史平均新闻热度比Rcavg:
S3,过滤主体:将基础新闻热度比Rct大于历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数。
在一个实施例中,本步骤取Rct>Rcavg的主体,对主体按照Rct进行降序排列,取Rct在前N以内的主体。其中,N为预设的需要最终展示的主体数量,N优选默认为100,可根据具体应用场景不同进行设置。
本步骤对基础新闻热度比小于历史平均新闻热度比的主体和基础新闻热度比过小的主体进行了过滤,去除了热度降低和热度过低的主体,保证了最终的排序效果。
S4,计算异动值:根据预设的调节系数α,对前N个主体分别计算基础异动值pct,对基础异动值pct进行归一化处理后得到异动值Pct。
在一个实施例中,本步骤采用如下计算公式计算基础异动值pct:
上述公式中,作为基础新闻热度比变化率,通过调节系数α可调整新闻数量变化率和新闻数量的重要性占比,α越大,主体的基础新闻热度比Rct影响力越大,即在当前计算周期内出现越多的主体排名越可能靠前;α越小,主体的基础新闻热度比变化率影响力越大,即新闻热度变化率越大的主体排名越可能靠前。其中,调节系数α的参考值优选为1.0,可根据具体应用场景不同进行设置。
在一个实施例中,本步骤采用如下归一化计算公式进行归一化处理后得到异动值Pct:
其中,β是预设的归一化系数,ceil()函数表示向上取整。
归一化系数β可调整(pct,Pct)曲线的变化速度,即:β值越大,曲线越向左侧集中,对于pct值高的区域区分度越小;β值越小,曲线越向右侧集中,对于pct值高的区域区分度越大。归一化系数β的参考值优选为0.5,可根据具体应用场景不同进行设置。
S5,排序和输出:按异动值Pct进行降序排序,输出排序结果。
S6,跳转计算:等待预设的时间间隔后,进入下一个计算周期,跳转至步骤S1。
在一个实施例中,本步骤的时间间隔优选为1小时,即等待1小时后,进入下一个计算周期,跳转至步骤S1。
参照图2,在一个实施例中,本发明的一种新闻主体热度计算及排序方法包括如下步骤:
1)获取主体集合E,计算基础新闻热度比Rct;
2)计算历史平均新闻热度比Rcavg;
3)取Rct>Rcavg的主体;
4)按Rct排序,保留前N的主体;
5)计算基础异动值;
6)计算异动值;
7)按异动值降序排列;
8)输出排列结果;
9)等待时间间隔,跳转至步骤1)。
本发明以滑动时间窗的方式划分计算周期,计算某主体在每个计算周期内的基础新闻热度比,通过当前计算周期内的基础新闻热度比和历史上一个或多个计算周期内的历史平均新闻热度比之间的比较得到新闻热度比变化率,再对该主体当前计算周期的基础新闻热度比和新闻热度比变化率进行综合计算,得出用于排序的分值。本发明的方法兼顾了主体的热度比和热度比变化率,避免了高新闻热度的主体始终排名靠前,也避免了新闻热度比变化率较大但新闻热度值极低的主体排名靠前。
在一个实施例中,提出了一种新闻主体热度计算及排序装置,包括:
计算基础新闻热度比模块,用于获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E;
计算历史平均新闻热度比模块,用于计算在主体集合E内的每个主体的历史平均新闻热度比Rcavg;
过滤模块,用于将基础新闻热度比Rct大于历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数;
计算异动值模块,用于根据预设的调节系数α,对前N个主体分别计算基础异动值pct,对基础异动值pct进行归一化处理后得到异动值Pct;
排序和输出模块,用于按异动值Pct进行降序排序,输出排序结果。
在一个实施例中,提出了一种计算机设备,包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例新闻主体热度计算及排序方法中的步骤。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述各实施例新闻主体热度计算及排序方法中的步骤。其中,存储介质可以为非易失性存储介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
以上各实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (11)
1.一种新闻主体热度计算及排序方法,其特征在于,包括:
获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E;
计算在所述主体集合E内的每个主体的历史平均新闻热度比Rcavg;
将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数;
根据预设的调节系数α,对所述前N个主体分别计算基础异动值pct,对所述基础异动值pct进行归一化处理后得到异动值Pct;
按所述异动值Pct进行降序排序,输出排序结果。
5.如权利要求1所述的新闻主体热度计算及排序方法,其特征在于,所述将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,包括:
取Rct>Rcavg的主体,对所述主体按照Rct进行降序排列,取Rct在前N以内的主体;
其中,N为预设的需要最终展示的主体数量。
8.如权利要求1所述的新闻主体热度计算及排序方法,其特征在于,还包括:
等待预设的时间间隔后,进入下一个计算周期,跳转至第一步。
9.一种新闻主体热度计算及排序装置,其特征在于,包括:
计算基础新闻热度比模块,用于获取主体集合E,计算任一主体c在当前计算周期t内的基础新闻热度比Rct,其中c∈E;
计算历史平均新闻热度比模块,用于计算在所述主体集合E内的每个主体的历史平均新闻热度比Rcavg;
过滤模块,用于将所述基础新闻热度比Rct大于所述历史平均新闻热度比Rcavg的主体通过预设的排序方式进行排序后,取前N个主体,N为预设的大于0的系数;
计算异动值模块,用于根据预设的调节系数α,对所述前N个主体分别计算基础异动值pct,对所述基础异动值pct进行归一化处理后得到异动值Pct;
排序和输出模块,用于按所述异动值Pct进行降序排序,输出排序结果。
10.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至8中任一项权利要求所述的新闻主体热度计算及排序方法的步骤。
11.一种存储有计算机可读指令的存储介质,其特征在于,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至8中任一项权利要求所述的新闻主体热度计算及排序方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489258.2A CN113127743B (zh) | 2021-05-06 | 2021-05-06 | 新闻主体热度计算及排序方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110489258.2A CN113127743B (zh) | 2021-05-06 | 2021-05-06 | 新闻主体热度计算及排序方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127743A true CN113127743A (zh) | 2021-07-16 |
CN113127743B CN113127743B (zh) | 2023-01-10 |
Family
ID=76781156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110489258.2A Active CN113127743B (zh) | 2021-05-06 | 2021-05-06 | 新闻主体热度计算及排序方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127743B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116340639A (zh) * | 2023-03-31 | 2023-06-27 | 北京百度网讯科技有限公司 | 新闻召回方法、装置、设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933622A (zh) * | 2015-03-12 | 2015-09-23 | 中国科学院计算技术研究所 | 一种基于用户和微博主题的微博流行度预测方法及系统 |
US20170046401A1 (en) * | 2015-05-26 | 2017-02-16 | Lead Stories, LLC | System and Method for Monitoring Internet Activity |
US20170075896A1 (en) * | 2015-09-16 | 2017-03-16 | John L. Haller, Jr. | System and method for analyzing popularity of one or more user defined topics among the big data |
CN107124630A (zh) * | 2017-03-30 | 2017-09-01 | 华为技术有限公司 | 节点数据管理的方法及装置 |
CN109309847A (zh) * | 2018-09-11 | 2019-02-05 | 四川长虹电器股份有限公司 | 一种影视实体热度综合评估方法 |
CN110110159A (zh) * | 2017-11-10 | 2019-08-09 | 北京国双科技有限公司 | 热力图展示方法和装置 |
CN111833083A (zh) * | 2019-04-17 | 2020-10-27 | 杭州晨熹多媒体科技有限公司 | 多媒体内容的数据处理方法及装置 |
CN112395480A (zh) * | 2019-08-01 | 2021-02-23 | 北京中润普达信息技术有限公司 | 一种基于搜索行为的网络热点话题判定方法和系统 |
CN112597280A (zh) * | 2020-12-28 | 2021-04-02 | 上海朝阳永续信息技术股份有限公司 | 一种自动发现热点关键词和热点新闻的方法 |
-
2021
- 2021-05-06 CN CN202110489258.2A patent/CN113127743B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104933622A (zh) * | 2015-03-12 | 2015-09-23 | 中国科学院计算技术研究所 | 一种基于用户和微博主题的微博流行度预测方法及系统 |
US20170046401A1 (en) * | 2015-05-26 | 2017-02-16 | Lead Stories, LLC | System and Method for Monitoring Internet Activity |
US20170075896A1 (en) * | 2015-09-16 | 2017-03-16 | John L. Haller, Jr. | System and method for analyzing popularity of one or more user defined topics among the big data |
CN107124630A (zh) * | 2017-03-30 | 2017-09-01 | 华为技术有限公司 | 节点数据管理的方法及装置 |
CN110110159A (zh) * | 2017-11-10 | 2019-08-09 | 北京国双科技有限公司 | 热力图展示方法和装置 |
CN109309847A (zh) * | 2018-09-11 | 2019-02-05 | 四川长虹电器股份有限公司 | 一种影视实体热度综合评估方法 |
CN111833083A (zh) * | 2019-04-17 | 2020-10-27 | 杭州晨熹多媒体科技有限公司 | 多媒体内容的数据处理方法及装置 |
CN112395480A (zh) * | 2019-08-01 | 2021-02-23 | 北京中润普达信息技术有限公司 | 一种基于搜索行为的网络热点话题判定方法和系统 |
CN112597280A (zh) * | 2020-12-28 | 2021-04-02 | 上海朝阳永续信息技术股份有限公司 | 一种自动发现热点关键词和热点新闻的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116340639A (zh) * | 2023-03-31 | 2023-06-27 | 北京百度网讯科技有限公司 | 新闻召回方法、装置、设备及存储介质 |
CN116340639B (zh) * | 2023-03-31 | 2023-12-12 | 北京百度网讯科技有限公司 | 新闻召回方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113127743B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Way et al. | The misleading narrative of the canonical faculty productivity trajectory | |
CN108520076B (zh) | 电子书推荐方法、电子设备及计算机存储介质 | |
Efron et al. | Estimation methods for ranking recent information | |
CN110532479A (zh) | 一种信息推荐方法、装置及设备 | |
US20120109714A1 (en) | Confidence Based Selection for Survey Sampling | |
WO2006013571A1 (en) | System and method for ranking and recommending products or services by parsing natural-language text and converting it into numerical scores | |
US10521437B2 (en) | Resource portfolio processing method, device, apparatus and computer storage medium | |
CN113127743B (zh) | 新闻主体热度计算及排序方法、装置、设备和存储介质 | |
US20150006241A1 (en) | Analyzing participants of a social network | |
CN113239182A (zh) | 一种文章推荐方法、装置、计算机设备及存储介质 | |
WO2017028791A1 (zh) | 一种公众号推荐方法及系统 | |
CN114782201A (zh) | 股票推荐方法、装置、计算机设备和存储介质 | |
WO2021233015A1 (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
CN111611786A (zh) | 文本相似度的计算方法及装置 | |
CN109344232A (zh) | 一种舆情信息检索方法及终端设备 | |
US20240169004A1 (en) | Methods and systems for self-tuning personalization engines in near real-time | |
CN109994211B (zh) | 一种基于ehr数据的慢性肾脏病恶化风险的建模方法 | |
CN109670914B (zh) | 一种基于时间动态特性的产品推荐方法 | |
CN116705310A (zh) | 围术期风险评估的数据集构建方法、装置、设备及介质 | |
CN115048487A (zh) | 基于人工智能的舆情分析方法、装置、计算机设备及介质 | |
CN116414953A (zh) | 搜索推荐词生成方法、装置、计算机设备和存储介质 | |
CN114529399A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
Hu et al. | Emerging markets redefined: Comprehensive measurement and future prospects | |
CN111882434A (zh) | 股票智能筛选评价方法 | |
CN106503044B (zh) | 兴趣特征分布获取方法及装置 |
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 |