公共文化服务平台

一种文本内的基于语义特征的人称代词指代消解方法: 本发明公开了一种文本内的基于语义特征的人称代词指代消解方法，具体步骤如下：(1)人物识别。对文本进行预处理，所述预处理包括：段落、语句识别、命名实体识别、词性标注；对处理后的文本，确定人物及代词在文本内中的位置。(2)语...; 仲兆满姜剑陈宗华陈永江乔磊; 文献传递

一种基于贝叶斯网络的火灾风险预警方法及系统: 本发明是一种基于贝叶斯网络的火灾风险预警方法，该方法分别以风险源、火灾事件状态、火灾风险3种变量为行变量和列变量，构建关联矩阵；遍历该矩阵,用有向边将对应的行变量与列变量连接起来,最终形成各专家都普遍接受的网络结构；按照...; 陈永江陈宗华; 文献传递

基于两阶段决策过程的多任务学习推荐系统: 2019年; 为提高推荐系统的性能,将评分预测任务和排序任务在共享用户和item表示的基础上集成在一个多任务学习框架中,在训练过程中同时优化两个任务的参数集。为进一步提高泛化效果,将用户的决策过程分为两个阶段,即用户选择一个item进行交互(排序任务),再对其评分(评分预测任务)。在此基础上,提出一个可融合不同底层算法的通用多任务框架,在两个数据集上通过实验对其进行评估,实验结果表明,其优于现有的最先进的方法。; 董旭李鹏飞仲兆满李存华; 关键词：多任务学习推荐系统

一种基于目标的互联网信息采集调度方法: 本发明公开了一种基于目标的互联网信息采集调度方法，其特征在于，具有全局监视线程；具有全局采集规则总队列；具有全局优先队列；每个采集目标建立独立线程池和采集队列；每个采集目标具有独立采集策略；优先队列中规则将优先于总规则队...; 陈永江陈宗华仲兆满; 文献传递

基于波特五力模型的企业情报收集方法: 本发明公开了一种基于波特五力模型的企业情报收集方法，首先将波特五力模型中的潜在竞争者、竞争者、供应商、购买者、替代品的影响因素量化，根据量化因素构建的采集规则，采集信息集合I；其次结构化抽取集合I中的五力影响因素及企业本...; 陈宗华仲兆满陈永江姜剑刘建明; 文献传递

一种基于动态交互的互联网采集系统模版生成方法: 本发明公开了一种基于动态交互的互联网采集系统模版生成方法，其特征在于首先访问互联网加载目标页面得到网页文本源码集合S；其次根据标签的正则表达式识别出集合S中的节点集合N，并为集合N中的每个节点添加唯一序列号；接着依据节点...; 陈宗华陈永江伊鹏刘永超李存华仲兆满; 文献传递

基于ESU图的活动社交网络用户参加活动推荐被引量：2: 2019年; 活动社交网络(EBSNs)为用户提供了方便的组织、参加和分享社交活动的平台。该文面向EBSNs活动推荐问题,提出了包含活动(Event)、主办方(Sponsor)和用户(User)的ESU图模型,深入揭示了EBSNs的实体及其社交关系。因为用户参加活动受多个因素影响,我们提出了基于ESU图的活动推荐多因素决策模型,包括社交影响力、活动内容、活动地点及活动时间。根据ESU图特点,提出了基于双向重启随机游走算法BD-RWR的实体重要度计算方法。选取真实的EBSNs平台-豆瓣同城验证所提方法的有效性。实验结果表明,该文提出的ESU图模型及融合了多因素的活动推荐模型,与已有最新方法相比,有效地提升了用户参加活动的推荐效果。; 仲兆满戴红伟戴红伟; 关键词：图模型

一种互联网人物信息的属性提取方法: 本发明公开了一种互联网人物属性的提取方法，其首先利用搜索引擎根据制定好的由一些特定关键字组成的规则搜索采集来的信息集合S；对信息集合S中的文章中出现的人物的属性进行提取，如单位、电话、邮箱等信息；根据属性的不同采用了不同...; 陈宗华陈永江仲兆满乔磊姜剑; 文献传递

基于迭代策略的微博事件查询扩展方法被引量：2: 2015年; 针对从微博中尽可能全面的获取事件信息的需求，提出了基于迭代策略的微博事件查询扩展方法。介绍了事件查询迭代扩展的模型，讨论了该模型的核心技术；在深入分析事件查询项特点的基础上，提出了事件要素的近义扩展和关联扩展方法；根据微博媒体类型的特点，提出了新颖的扩展事件查询项的组装方法。以8个事件查询项为例，面向腾讯微博，在迭代扩展次数、近义扩展、关联扩展等方面进行了实验评测。结果表明，提出的融合了微博媒体特点和事件查询特点的迭代扩展方法，改善了微博事件查询获取信息的性能。; 仲兆满李存华胡云

微博网络用户的活跃性判定方法被引量：2: 2018年; 推荐系统的冷启动问题是近期的研究热点,而用户的活跃性判定是冷启动问题的基础。已有方法在判定用户的活跃性时,单纯地考虑了用户发表信息量,对社交媒体的社交关系及行为等特征利用不够。该文面向微博网络,提出了系统的用户活跃性判定方法,创新性主要体现在:(1)提出了微博网络影响用户活跃性的四类指标,包括用户背景、社交关系、发表内容质量及社交行为,避免了仅仅使用用户发表信息数量判定用户是否活跃的粗糙方式;(2)提出了用户活跃性判定流程,提出了基于四类指标的用户与用户集的差异度计算模型。以新浪微博为例,选取了学术研究、企业管理、教育、文化、军事五个领域的900个用户作为测试集,使用准确率P、召回率R及F值为评价指标,进行了实验分析和比较。结果显示,该文所提用户活跃性判定方法的准确率P、召回率R、F值比传统的判定方法分别提高了21%、13%和16%,将该文所提方法用于用户推荐,得到的P、R和F值比最新的方法分别提高了5%、2%和3%,验证了所提方法的有效性。; 仲兆满戴红伟戴红伟

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

江苏金鸽网络科技有限公司