恭喜浙江大學(xué)尹可挺獲國家專利權(quán)
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)恭喜浙江大學(xué)申請(qǐng)的專利一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法獲國家發(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(shí)產(chǎn)權(quán)局授予,授權(quán)公告號(hào)為:CN118013102B 。
龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06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(qǐng)?zhí)?專利號(hào)為:202410163153.1,技術(shù)領(lǐng)域涉及:G06F16/951;該發(fā)明授權(quán)一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法是由尹可挺;孫夏恩;馮天;陳依苓;魯興設(shè)計(jì)研發(fā)完成,并于2024-02-05向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。
本一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法在說明書摘要公布了:本發(fā)明公開了一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法,該方法從單日輿情傳播指數(shù)計(jì)算和輿情傳播預(yù)警信號(hào)生成入手,提供了數(shù)據(jù)標(biāo)簽制作方法;利用多模態(tài)時(shí)序數(shù)據(jù),通過雙曲空間下的時(shí)序建模、跨模態(tài)注意力、時(shí)序注意力機(jī)制和特征融合方法,從交易模態(tài)、文本模態(tài)、動(dòng)量模態(tài)挖掘了多模態(tài)特征對(duì)鏈上數(shù)字內(nèi)容輿情傳播的影響,充分考慮了鏈上數(shù)字內(nèi)容特有的資產(chǎn)屬性,實(shí)現(xiàn)鏈上數(shù)字內(nèi)容輿情傳播的預(yù)警。
本發(fā)明授權(quán)一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法在權(quán)利要求書中公布了:1.一種基于多模態(tài)特征的鏈上數(shù)字內(nèi)容輿情傳播預(yù)警方法,其特征在于,包括以下步驟:1輿情傳播預(yù)警信號(hào)定義和數(shù)據(jù)標(biāo)簽制作階段,具體包括以下子步驟:1.1收集數(shù)據(jù)集:使用TwitterAPI、微博API或網(wǎng)頁頁面爬蟲,收集指定鏈上數(shù)字內(nèi)容相關(guān)話題的推文文本數(shù)據(jù)、推文轉(zhuǎn)評(píng)贊數(shù)據(jù)和區(qū)塊鏈上交易記錄數(shù)據(jù)得到所需的數(shù)據(jù)集;計(jì)算數(shù)據(jù)集中所有單條推文輿情傳播度Iid;1.2計(jì)算每一個(gè)鏈上數(shù)字內(nèi)容c在d日的單日輿情傳播指數(shù)Ic,d:在第d日,鏈上數(shù)字內(nèi)容c的推文集合Sc,d中,將自定義閾值單條推文輿情傳播度Iid大于自定義閾值N的推文集合的基數(shù)作為單日輿情傳播指數(shù);所述自定義閾值N能夠根據(jù)實(shí)際監(jiān)控的鏈上數(shù)字內(nèi)容c進(jìn)行調(diào)整,其表達(dá)式為:Ic,d=|{IidN},id∈Sc,d;1.3輿情傳播預(yù)警信號(hào)生成:針對(duì)鏈上數(shù)字內(nèi)容c的單日輿情傳播指數(shù)序列,首先計(jì)算該序列的短期移動(dòng)平均線MA-N1和長(zhǎng)期移動(dòng)平均線MA-N2,其中N1N2,然后以W天為一個(gè)周期進(jìn)行滑窗,其中WN2,通過孤立森林模型對(duì)該窗口的輿情傳播指數(shù)進(jìn)行離群值分析,得到離群點(diǎn)集合;篩選離群點(diǎn)集合中單日輿情傳播指數(shù)高于MA-N2的點(diǎn)作為輿情傳播預(yù)警信號(hào),即正樣本,其余均為負(fù)樣本;1.4輿情傳播預(yù)警信號(hào)噪音過濾和信號(hào)延拓:針對(duì)鏈上數(shù)字內(nèi)容c的每日輿情傳播指數(shù)序列,標(biāo)記存在于兩個(gè)正樣本之間的日期為正樣本,至多標(biāo)記兩個(gè);如果正樣本之后日期的單日輿情傳播指數(shù)仍然高于MA-N1移動(dòng)平均線,則將其標(biāo)記為正樣本,至多標(biāo)記三個(gè);2多模態(tài)數(shù)據(jù)預(yù)處理階段,具體包括以下子步驟:2.1針對(duì)鏈上數(shù)字內(nèi)容c,設(shè)置預(yù)警模型的觀測(cè)窗口共D日,預(yù)測(cè)在T日是否會(huì)出現(xiàn)突發(fā)輿情傳播預(yù)警信號(hào);預(yù)警模型將于T日零時(shí)起,開始處理前D日的多模態(tài)數(shù)據(jù);2.2構(gòu)建交易模態(tài)前D日的時(shí)間序列特征其包含總共D日的鏈上數(shù)字內(nèi)容交易數(shù)據(jù),每天的鏈上數(shù)字內(nèi)容交易數(shù)據(jù)包含鏈上數(shù)字內(nèi)容c最早交易價(jià)格、最晚交易價(jià)格、最高價(jià)、最低價(jià)、買入交易量、賣出交易量共6維特征,形成時(shí)間序列表示2.3構(gòu)建文本模態(tài)前D日的時(shí)間序列特征預(yù)警模型獲取到總共D日的與該鏈上數(shù)字內(nèi)容相關(guān)的推文后,借助情緒VAD詞典,查詢每條推文中詞語級(jí)別的VAD分?jǐn)?shù),將各詞語查詢的結(jié)果在警覺度V、喚醒度A和受支配程度D三個(gè)維度上相加,得到句子級(jí)別VAD分?jǐn)?shù),同時(shí)記錄該推文的長(zhǎng)度L,記作該條推文的VAD-L特征,共計(jì)4維;計(jì)算每一天所有推文在VAD-L特征4個(gè)維度上的3個(gè)聚合表示數(shù)據(jù):平均值、25%分位數(shù)值、75%分位數(shù)值,最終拼接得到文本數(shù)據(jù)的特征表示形成時(shí)間序列表示2.4構(gòu)建動(dòng)量模態(tài)前D日的時(shí)間序列特征其包含總共D日鏈上數(shù)字內(nèi)容c的單日輿情傳播指數(shù),記作形成時(shí)間序列表示2.5對(duì)提取得到的各模態(tài)時(shí)間序列特征在時(shí)間維度上進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理;3時(shí)序數(shù)據(jù)建模階段,具體為:使用雙曲空間下的門控循環(huán)單元分別對(duì)三種模態(tài)數(shù)據(jù)進(jìn)行時(shí)序編碼,捕捉數(shù)據(jù)的時(shí)序冪律分布和無標(biāo)度性質(zhì);4跨模態(tài)注意力階段,具體為:構(gòu)建跨模態(tài)注意力模塊CA,對(duì)每一個(gè)鏈上數(shù)字內(nèi)容c,通過兩種不同模態(tài)m1,m2的隱層輸出進(jìn)行模態(tài)交互計(jì)算得到輸出 5時(shí)序注意力階段,具體包括以下子步驟:5.1在以T日為預(yù)警目標(biāo)下,模態(tài)m的特征向量按照時(shí)間維度進(jìn)行拼接,得到 5.2構(gòu)建時(shí)序注意力模塊TA,對(duì)每一個(gè)鏈上數(shù)字內(nèi)容c,根據(jù)各特征向量在時(shí)間序列中不同的時(shí)序位置,賦予不同的權(quán)重,在以T日為預(yù)警目標(biāo)下,輸入前D日的模態(tài)特征計(jì)算時(shí)序聚合特征向量 6特征融合預(yù)警階段,具體包括以下子步驟:6.1選擇動(dòng)量模態(tài)和交易模態(tài)交互,構(gòu)建交易預(yù)警模型Etx,輸出預(yù)測(cè)結(jié)果6.2選擇動(dòng)量模態(tài)和文本模態(tài)交互,構(gòu)建文本預(yù)警模型Etext,輸出預(yù)測(cè)結(jié)果6.3使用Focalloss損失函數(shù)分別訓(xùn)練文本預(yù)警模型Etext和交易預(yù)警模型Etx,Etext和Etx兩個(gè)模型的參數(shù)不存在共享關(guān)系,判斷T日是否會(huì)出現(xiàn)輿情傳播預(yù)警信號(hào);6.4使用LightGBM學(xué)習(xí)器拼接Etext和Etx進(jìn)入Softmax前輸出的知識(shí)表征,得到T日是否會(huì)出現(xiàn)輿情傳播預(yù)警信號(hào)的最終判斷
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(qǐng)人或?qū)@麢?quán)人浙江大學(xué),其通訊地址為:310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào);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)”。
1、本報(bào)告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報(bào)告中的分析和結(jié)論僅反映本公司于發(fā)布本報(bào)告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。
- 恭喜程朝卿獲國家專利權(quán)
- 恭喜中國鐵建高新裝備股份有限公司劉飛香獲國家專利權(quán)
- 恭喜索尼半導(dǎo)體解決方案公司村瀬拓郎獲國家專利權(quán)
- 恭喜中國電力科學(xué)研究院有限公司劉純獲國家專利權(quán)
- 恭喜全球能源互聯(lián)網(wǎng)研究院有限公司陳新獲國家專利權(quán)
- 恭喜歐若拉運(yùn)營公司斯蒂芬·C·克勞奇獲國家專利權(quán)
- 恭喜中國華電科工集團(tuán)有限公司王爭(zhēng)榮獲國家專利權(quán)
- 恭喜株式會(huì)社NTT都科摩松村祐輝獲國家專利權(quán)
- 恭喜福建建利達(dá)工程技術(shù)有限公司郭阿明獲國家專利權(quán)
- 恭喜京東數(shù)字科技控股有限公司李偉獲國家專利權(quán)


熱門推薦
- 恭喜三星電子株式會(huì)社李潤烈獲國家專利權(quán)
- 恭喜浙江加力倉儲(chǔ)設(shè)備股份有限公司戴肖肖獲國家專利權(quán)
- 恭喜中國電力科學(xué)研究院有限公司王珂獲國家專利權(quán)
- 恭喜中芯長(zhǎng)電半導(dǎo)體(江陰)有限公司蔡漢龍獲國家專利權(quán)
- 恭喜中國電力科學(xué)研究院有限公司代林旺獲國家專利權(quán)
- 恭喜住友大阪水泥股份有限公司宮崎德一獲國家專利權(quán)
- 恭喜天津艾康尼克新能源汽車有限公司許增獲國家專利權(quán)
- 恭喜浙江盾安禾田金屬有限公司曾慶軍獲國家專利權(quán)
- 恭喜大唐移動(dòng)通信設(shè)備有限公司李姣楓獲國家專利權(quán)
- 恭喜中國電力科學(xué)研究院有限公司李琰獲國家專利權(quán)