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)獲悉樂山師范學(xué)院申請的專利一種基于大數(shù)據(jù)的新聞傳播方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120296174B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26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：202510773046.5，技術(shù)領(lǐng)域涉及：G06F16/355；該發(fā)明授權(quán)一種基于大數(shù)據(jù)的新聞傳播方法是由曹鵬設(shè)計(jì)研發(fā)完成，并于2025-06-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于大數(shù)據(jù)的新聞傳播方法在說明書摘要公布了：本發(fā)明公開了一種基于大數(shù)據(jù)的新聞傳播方法，涉及人工智能技術(shù)領(lǐng)域，包括，采集新聞數(shù)據(jù)，并進(jìn)行預(yù)處理，生成結(jié)構(gòu)化新聞數(shù)據(jù)集；構(gòu)建動態(tài)超圖對結(jié)構(gòu)化新聞數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化建模，通過節(jié)點(diǎn)和超邊的聯(lián)系，捕捉用戶?新聞之間的行為強(qiáng)度關(guān)聯(lián)和新聞?話題之間的語義關(guān)聯(lián)，利用ApacheKafka動態(tài)更新節(jié)點(diǎn)和超邊并移除過期交互記錄；利用超圖神經(jīng)網(wǎng)絡(luò)模型對更新后動態(tài)超圖的節(jié)點(diǎn)特征進(jìn)行多層聚合和非線性變換；通過深度學(xué)習(xí)模型分析新聞傳播特征向量的時空動態(tài)特性，生成優(yōu)化傳播策略。本發(fā)明通過基于結(jié)構(gòu)化新聞數(shù)據(jù)集構(gòu)建動態(tài)超圖，增強(qiáng)了新聞傳播特征提取的準(zhǔn)確性和適應(yīng)性。

本發(fā)明授權(quán)一種基于大數(shù)據(jù)的新聞傳播方法在權(quán)利要求書中公布了：1.一種基于大數(shù)據(jù)的新聞傳播方法，其特征在于：包括， 采集新聞數(shù)據(jù)，并進(jìn)行預(yù)處理，生成結(jié)構(gòu)化新聞數(shù)據(jù)集，所述結(jié)構(gòu)化新聞數(shù)據(jù)集包括哈希化用戶標(biāo)識、用戶特征向量、交互記錄、新聞內(nèi)容特征向量和話題特征向量； 構(gòu)建動態(tài)超圖對結(jié)構(gòu)化新聞數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化建模，通過節(jié)點(diǎn)和超邊的聯(lián)系，捕捉用戶-新聞之間的行為強(qiáng)度關(guān)聯(lián)和新聞-話題之間的語義關(guān)聯(lián)，利用ApacheKafka動態(tài)更新節(jié)點(diǎn)和超邊并移除過期交互記錄； 利用超圖神經(jīng)網(wǎng)絡(luò)模型對更新后動態(tài)超圖的節(jié)點(diǎn)特征進(jìn)行多層聚合和非線性變換，生成新聞傳播特征向量； 通過深度學(xué)習(xí)模型分析新聞傳播特征向量的時空動態(tài)特性，生成優(yōu)化傳播策略； 所述構(gòu)建動態(tài)超圖對結(jié)構(gòu)化新聞數(shù)據(jù)集進(jìn)行結(jié)構(gòu)化建模是指從結(jié)構(gòu)化新聞數(shù)據(jù)集讀取結(jié)構(gòu)化新聞數(shù)據(jù)，定義用戶節(jié)點(diǎn)、新聞節(jié)點(diǎn)和話題節(jié)點(diǎn)，并創(chuàng)建用戶-新聞超邊和新聞-話題超邊，形成動態(tài)超圖； 所述通過深度學(xué)習(xí)模型分析新聞傳播特征向量的時空動態(tài)特性，具體步驟為， 從ApacheKafka獲取帶時間信息的新聞傳播特征向量； 通過深度學(xué)習(xí)模型的注意力機(jī)制層處理新聞傳播特征向量，生成注意力權(quán)重； 基于注意力權(quán)重調(diào)整新聞傳播特征向量，形成加權(quán)新聞傳播特征向量； 通過深度學(xué)習(xí)模型的LSTM層對加權(quán)新聞傳播特征向量進(jìn)行時間步長處理，捕捉加權(quán)新聞傳播特征向量的傳播動態(tài)特性； 利用LSTM層的門控機(jī)制更新LSTM層的隱藏狀態(tài)，生成新聞傳播特征向量的時空動態(tài)特性表示。

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)人樂山師范學(xué)院，其通訊地址為：614099 四川省樂山市市中區(qū)濱河路778號；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)”。