专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果564个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于口碑的P2P平台风险分析方法-CN202010163040.3有效
  • 孙西超;张晓芳 - 蚌埠学院
  • 2020-03-10 - 2023-04-07 - G06F40/30
  • 本发明公开了一种基于口碑数据的P2P平台风险分析方法,包括:采集目标P2P平台口碑文本数据并进行预处理过程,用矩阵方式表示口碑文本数据的特征属性,记为第二特征属性集;采用文本主题发现算法,获取每一条口碑文本数据中包含的主题Kn,其中n表示所有口碑文本数据包含的主题总数;统计涉及主题Kn口碑文本数据条数mn,并对涉及主题Kn的mn口碑文本数据进行情感倾向分类,借助原有口碑文本数据的拓展文本数据集,降低原有口碑数据的特征稀疏性,提高主题挖掘精准度,在采用的主题发现算法模型中,λ矩阵根据当前的主题分配不断更新,进而优化口碑文本数据和扩展文本数据各自的狄利克雷先验值αL和αS,提高了口碑文本数据主题挖掘的准确性。
  • 一种基于口碑p2p平台风险分析方法
  • [发明专利]一种基于自训练学习的用户口碑预测方法及系统-CN202011612586.9在审
  • 赵龙;周源;刘霞 - 科大国创云网科技有限公司
  • 2020-12-30 - 2021-05-04 - G06Q10/04
  • 本发明公开了一种基于自训练学习的用户口碑预测方法及系统,属于网络运营商技术领域,包括以下步骤:S1:确定影响因子及原始数据;S2:进行数据预处理及特征工程操作并得到两类数据;S3:训练模型;S4:无标签用户口碑预测本发明仅使用少量的问卷数据,并结合用户历史业务数据,构建少量有标签数据和大量无标签数据;使用基于机器学习回归算法的自训练学习方法,得到用户口碑模型,基于该模型可预知全量用户的口碑评分,将低口碑用户推送给运营部门进行运营;并将运营的真实口碑反馈给模型进行迭代优化,从而实现了对全体用户口碑实时、高效、准确的评估,为提升用户口碑具有重大价值,值得被推广使用。
  • 一种基于训练学习用户口碑预测方法系统
  • [发明专利]一种口碑量化分析的自动排序系统-CN201210026708.5无效
  • 陈立宏 - 陈立宏
  • 2012-02-08 - 2012-07-25 - G06F17/30
  • 一种口碑量化分析的自动排序系统,解决了口碑信息无量化标准不能排序的难题,提高电脑理财的高效安全性。系统将收集到的口碑积分信息经预设的统计模式分析后得出性价比高低的口碑量化值,就收支两条线分门别类储存。查询时按性价比高低的口碑量化值自动排序、提示、速配等,让用户可选择到可信度较高的信息,使收支流水账真正做到开源节流,实现理财的目的。
  • 一种口碑量化分析自动排序系统
  • [发明专利]一种基于产品特征口碑的产品排序方法-CN201810171084.3有效
  • 杨弦;杨光飞;吴江宁;党延忠 - 大连理工大学
  • 2018-03-01 - 2020-09-29 - G06F16/332
  • 本发明属于数据挖掘技术领域,提供一种基于产品特征口碑的产品排序方法,步骤如下:1)识别产品特征,对候选产品的所有评论进行分词、词性标注以及剪枝处理,建立产品特征集;2)根据得到的产品特征集,识别产品特征的意见词,计算产品特征的情感分值;3)识别文本评论中产品特征的比较关系;4)根据产品的产品特征情感分值以及关于产品特征与其他产品比较获得的票数,计算产品特征的口碑分值,得到产品的特征口碑分值后,可基于各个产品特征的口碑对产品进行降序排列本发明提出的基于产品特征口碑的产品排序方法,能针对不同且多维的产品特征对产品口碑进行排序,结合更全面的异质信息,提供的排序结果更精确可靠。
  • 一种基于产品特征口碑排序方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top