買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜杭州知識矩陣信息科技有限公司申請的專利新媒體內(nèi)容價(jià)值評估方法、裝置及計(jì)算機(jī)設(shè)備獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119128464B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411599362.7，技術(shù)領(lǐng)域涉及：G06F18/21；該發(fā)明授權(quán)新媒體內(nèi)容價(jià)值評估方法、裝置及計(jì)算機(jī)設(shè)備是由丁肇亮;王聰;史曉薇;房樑設(shè)計(jì)研發(fā)完成，并于2024-11-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本新媒體內(nèi)容價(jià)值評估方法、裝置及計(jì)算機(jī)設(shè)備在說明書摘要公布了：本發(fā)明公開了新媒體內(nèi)容價(jià)值評估方法、裝置及計(jì)算機(jī)設(shè)備。所述方法包括：獲取待評估新媒體內(nèi)容；對所述待評估新媒體內(nèi)容進(jìn)行預(yù)處理，以得到預(yù)處理結(jié)果；對所述預(yù)處理結(jié)果進(jìn)行特征提取，以得到提取結(jié)果；將所述提取結(jié)果輸入至反事實(shí)因果推斷模型內(nèi)預(yù)測內(nèi)容設(shè)計(jì)策略，以得到預(yù)測結(jié)果；所述反事實(shí)因果推斷模型是通過定義干預(yù)措施和結(jié)果，結(jié)合新媒體內(nèi)容與消費(fèi)者反饋的數(shù)據(jù)，利用因果表示學(xué)習(xí)算法，構(gòu)建特征表示并優(yōu)化誤差所得的，用于實(shí)現(xiàn)對不同內(nèi)容設(shè)計(jì)策略下消費(fèi)者反饋?zhàn)兓念A(yù)測。根據(jù)所述預(yù)測結(jié)果生成價(jià)值評估報(bào)告；輸出所述價(jià)值評估報(bào)告。通過實(shí)施本發(fā)明的方法可實(shí)現(xiàn)提高知識分享型博主價(jià)值評估的準(zhǔn)確性和可靠性。

本發(fā)明授權(quán)新媒體內(nèi)容價(jià)值評估方法、裝置及計(jì)算機(jī)設(shè)備在權(quán)利要求書中公布了：1.新媒體內(nèi)容價(jià)值評估方法，其特征在于，包括：獲取待評估新媒體內(nèi)容；對所述待評估新媒體內(nèi)容進(jìn)行預(yù)處理，以得到預(yù)處理結(jié)果；對所述預(yù)處理結(jié)果進(jìn)行特征提取，以得到提取結(jié)果；將所述提取結(jié)果輸入至反事實(shí)因果推斷模型內(nèi)預(yù)測內(nèi)容設(shè)計(jì)策略，以得到預(yù)測結(jié)果；根據(jù)所述預(yù)測結(jié)果生成價(jià)值評估報(bào)告；輸出所述價(jià)值評估報(bào)告；所述反事實(shí)因果推斷模型是通過定義干預(yù)措施和結(jié)果，結(jié)合新媒體內(nèi)容與消費(fèi)者反饋的數(shù)據(jù)，利用因果表示學(xué)習(xí)算法，構(gòu)建特征表示并優(yōu)化誤差所得的，用于實(shí)現(xiàn)對不同內(nèi)容設(shè)計(jì)策略下消費(fèi)者反饋?zhàn)兓念A(yù)測；所述反事實(shí)因果推斷模型的訓(xùn)練過程包括：定義干預(yù)措施和預(yù)期結(jié)果；獲取新媒體歷史內(nèi)容以及對應(yīng)的消費(fèi)者反饋數(shù)據(jù)，以得到初始的可觀測數(shù)據(jù)；基于因果表示學(xué)習(xí)算法學(xué)習(xí)，結(jié)合初始的可觀測數(shù)據(jù)，進(jìn)行樣本特征因果關(guān)系表示學(xué)習(xí)，解決因事實(shí)和反事實(shí)樣本分布不一致問題導(dǎo)致的表示學(xué)習(xí)偏差，以得到學(xué)習(xí)結(jié)果；構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；利用所述學(xué)習(xí)結(jié)果對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，以得到反事實(shí)因果推斷模型；獲取新媒體歷史內(nèi)容以及對應(yīng)的消費(fèi)者反饋數(shù)據(jù)之后，整體的因果表示和推斷模型還包括：通過稀疏重加權(quán)處理降級非因果特征的影響；通過差異距離設(shè)計(jì)平衡事實(shí)結(jié)果和反事實(shí)結(jié)果；對所述初始的可觀測數(shù)據(jù)通過誤差最小化與正則化的方法以及增加懲罰項(xiàng)方式進(jìn)行更新；所述神經(jīng)網(wǎng)絡(luò)模型采用全連接的ReLU層結(jié)構(gòu)，并使用RMSProp算法進(jìn)行優(yōu)化，以得到反事實(shí)因果推斷模型；所述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練過程所使用的損失函數(shù)采用交替子梯度下降法進(jìn)行優(yōu)化。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州知識矩陣信息科技有限公司，其通訊地址為：310000 浙江省杭州市濱江區(qū)長河街道建業(yè)路599號華業(yè)發(fā)展中心12層1201室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。