买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉成都理工大学申请的专利基于自然语言处理的媒体画像生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121278103B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511854804.2，技术领域涉及：G06F16/35；该发明授权基于自然语言处理的媒体画像生成方法及系统是由陈奕竹设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于自然语言处理的媒体画像生成方法及系统在说明书摘要公布了：本申请公开了一种基于自然语言处理的媒体画像生成方法及系统，涉及人工智能技术领域。该方法包括：采集媒体的若干原始内容数据，并进行预处理操作，得到若干核心文本内容；使用多维度特征提取模型对核心文本内容进行多维度特征提取，得到多维度特征向量；使用目标驱动自优化的群智能优化算法，进行迭代寻优，得到最优的特征聚合参数；根据最优的特征聚合参数，对多维度特征向量进行最终聚合，生成媒体画像，并进行可视化；持续执行上述步骤，获取媒体画像序列，并使用媒体趋势预测模型和异常检测模型进行预测和分析，并对趋势分析结果和异常检测结果进行可视化。解决了现有技术存在的特征维度单一、特征聚合固化以及静态化分析的问题。

本发明授权基于自然语言处理的媒体画像生成方法及系统在权利要求书中公布了：1.一种基于自然语言处理的媒体画像生成方法，其特征在于，所述方法包括： 从预设的数据源采集媒体的若干原始内容数据，并对原始内容数据进行预处理操作，得到媒体的若干核心文本内容； 使用基于自然语言处理算法构建的多维度特征提取模型对每一核心文本内容进行多维度特征提取，得到对应的多维度特征向量； 使用目标驱动自优化的群智能优化算法，对媒体画像的特征聚合参数进行迭代寻优，得到核心文本内容的最优的特征聚合参数； 所述群智能优化算法为EVO-Levy算法，所述EVO-Levy算法设置有目标驱动自优化的适应度函数； 公式为： 式中，为粒子X构建的媒体画像的适应度值；为粒子X构建的媒体画像的一致性评分；为粒子X构建的媒体画像的多样性评分；为粒子X构建的媒体画像的影响力评分；为粒子X构建的媒体画像的结构紧致性评分；为适应度权重系数；X为粒子指代参数； 包括： 将媒体画像的特征聚合参数编码为EVO算法的个体向量，并设定EVO算法参数；所述EVO算法参数包括粒子数量、最大迭代次数、最大步长因子以及数值梯度步长； 根据EVO算法参数，使用Tent混沌映射序列进行初始化，得到初始的粒子群；所述粒子群中每一粒子对应于一组备选的特征聚合参数； 基于当前时间窗口内的所有核心文本内容，使用适应度函数，获取初始的粒子群中每一初始的粒子的适应度值，作为对应的初始的能量值，并将适应度值最优的初始的粒子作为全局最优粒子； 根据预设的收敛因子公式，得到当前迭代次数的收敛因子，并根据能量值，计算采用中心差分法近似计算每一粒子的数值梯度； 根据数值梯度和收敛因子，并引入Levy飞行策略，对初始的粒子群进行迭代更新，得到更新的粒子群； 基于当前时间窗口内的所有核心文本内容，使用适应度函数，获取更新的粒子群中每一更新的粒子的适应度值，作为对应的更新的能量值，并将适应度值最优的更新的粒子作为全局最优粒子； 在迭代次数达到最大迭代次数或最优解的适应度值满足要求时，终止对粒子群的迭代更新，并将当前迭代的全局最优粒子进行输出； 对全局最优粒子对应的粒子的个体向量进行解码，得到当前时间窗口内的所有核心文本内容的最优的特征聚合参数； 重复上述步骤，遍历所有核心文本内容，得到所有核心文本内容的最优的特征聚合参数； 根据最优的特征聚合参数，对所有核心文本内容的多维度特征向量进行最终聚合，生成媒体的媒体画像，并对媒体画像进行可视化； 持续执行上述步骤，获取媒体画像序列，并使用基于深度学习算法构建的媒体趋势预测模型和异常检测模型进行预测和分析，并对得到的趋势分析结果和异常检测结果进行可视化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都理工大学，其通讯地址为：610000 四川省成都市二仙桥东三路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。