“卿枫”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]信息传播动力学文献分类知识库建立方法、系统、设备-CN202210915430.0在审
发明人：王妍;卿枫;闵素芹;刘铭;李昊展 -专利权人：中国传媒大学
申请日： 2022-08-01 - 公布日： 2022-09-02 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种信息传播动力学文献分类知识库建立方法，利用文本挖掘技术和主题词提取技术至少围绕文献基本信息、内容信息和应用信息的维度对信息事件类型、传播主体划分、传播关系、传播机制等进行特征设置以获取待定传播动力学文献，再对待定传播动力学文献进行预处理以获取目标文献；而后将目标文献导入至预设的数据库中形成文献数据，并将文献数据的基本信息、内容信息和应用信息录入数据库表中以形成文献数据库，再在文献数据库中录入每一文献数据对应的传播动力学层面专家级评述以形成传播动力学文献分类知识库，如此，低传播动力学研究的入门门槛、便于学者根据需求精准获取所需文献，立体跟踪国内外理论与应用研究进展。
信息传播动力学文献分类知识库建立方法系统设备

[发明专利]标准采用关系对组织的影响程度分析方法及装置-CN202110673214.5在审
发明人：王妍;卿枫 -专利权人：中国传媒大学
申请日： 2021-06-17 - 公布日： 2021-10-26 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供标准采用关系对组织的影响程度分析方法及装置，包括构建第一服务器，采集多个组织及其设定的标准获得分析信息；构建第二服务器，将客户端输入的组织作为评价对象，通过分析信息分析与评价对象存在采用关系的其他组织对评价对象的影响程度。上述分析方法及装置解决了不同组织的标准的影响程度的量化表示问题。
标准采用关系组织影响程度分析方法装置

[发明专利]基于和谐度的标准影响力评价方法及系统-CN202011047155.2在审
发明人：王妍;卿枫;王绪滕;常小宇 -专利权人：中国传媒大学
申请日： 2020-09-29 - 公布日： 2020-11-13 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种基于和谐度的标准影响力评价方法及系统，包括：采集多个组织及其设定的标准；将一个组织作为评价对象，获得与评价对象存在采用关系的多个其他组织，评价对象中标准为第一标准，其他组织中标准为第二标准；设定影响力指标；将影响力指标划分成多个评价等级；确定每一个指标在每一个评价等级的隶属度；根据每一个指标在每一个评价等级的隶属度确定每一个指标在每一个评价等级的和谐度；根据每个指标包含信息量确定每个指标权重；通过每个指标的权重和及其和谐度组合获得每一个评价等级和谐度；多个评价等级和谐度组合获得一个其他组织影响评价对象的评分。上述方法及系统客观评价其它组织对评价对象的标准影响的程度大小。
基于和谐标准影响力评价方法系统

[发明专利]一种有向加权网络中多重影响力矩阵赋权方法-CN202010049128.2在审
发明人：王妍;柴剑平;谭雷雷;卿枫;王小宁 -专利权人：中国传媒大学
申请日： 2020-01-16 - 公布日： 2020-06-09 - 主分类号： G06F16/901 文献下载
摘要：本发明公开的一种有向加权网络中多重影响力矩阵赋权方法，包括计算有向加权网络中所有网络节点的交叉强度和节点效率；根据节点效率，以及源节点到目标节点的路径长度构建影响力矩阵IE；根据节点效率，以及源节点与目标节点的路径数量构建影响力矩阵ISIP和影响力矩阵ITIP；结合权重自生成算法，对影响力矩阵IE、影响力矩阵ISIP和影响力矩阵ITIP进行赋权求和，构建多重影响力矩阵；根据多重影响力矩阵和网络节点的交叉强度计算得到网络节点的重要度值。本发明权重获取过程无人为因素的参与，克服了传统的评价结果具有一定的主观性的不足，对网络中重要节点精准识别并加以保护，从而保证了网络连通性和稳定性。
一种加权网络多重影响力矩阵方法

[发明专利]基于kohonen神经网络聚类抽样方法-CN201910641516.7在审
发明人：王妍;卿枫;陈云鹏;檀雷雷;胡菁;樊珑 -专利权人：中国传媒大学
申请日： 2019-07-16 - 公布日： 2019-11-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于kohonen神经网络聚类抽样方法，包括如下具体步骤：录入数据，并提取属性特征；根据提取的属性特征进行kononen神经网络聚类；利用相对误差确定样本总量；根据聚类后的样本所在的大类，以及大类的属性特征给予各类不同的样本量；在各个类别样本量确定之后，在各个类别的内部进行分层抽样，分配所对应的权重，获取最后抽样样本。本发明既保证了样本点在总体中不会出现集中于某一类企业的情况，又能将真正需要进行调查的企业抽取出来。改进出口企业存在的“帕雷托效应”、以及传统抽样方法的局限性对抽样结果的影响；并且避免大部分抽取的企业为属性特征相同的企业。
属性特征聚类神经网络大类样本抽取抽样抽样结果抽样样本出口企业分层抽样类别样本相对误差量确定样本点样本量权重录入分配改进调查保证