金融公告信息披露了企业运营的关键数据，具有应用价值。无结构金融公告中涉及复杂的财务关系，即多元关系。该文设计了基于依存分析树和频繁子图挖掘的垂直域多元关系抽取方法TextMining,可大大降低对数据集的依赖。进一步，受图卷积神经网络启发，该文设计了垂直域优化的FTA-GCN算法。在构建的适用金融公告数据集上，算法较强地关注以金融公告中常见的名词实体为核心的多元关系抽取，实验结果表明，算法具有良好的抽取效果。

文章提出一种能在实时场景下有效度量微博话题中用户影响力的算法。首先从用户文本的话题相关度以及传播网络转评关系出发构建用户特征向量,然后对生成的用户向量使用聚类的方法得到一批高影响力用户,再对这部分用户进行排序最终得到高影响力用户排序列表。同时,算法构造了少量但有效的用户特征以及特征的增量式更新公式,可以在实时环境下增量式运行,适用于捕捉微博中频繁的动态变化。在已有的3个话题数据集上的实验结果表明,文章所提算法的MAP值为0.903。

及时获取新增内容,是采集器的重要衡量指标。基于版块页-内容页架构设计的网络采集器通过定期重采入口的版块页,能够有效地快速识别新产生内容页面并进行扩展。然而获取内容的实时性与对网站访问的友好性存在一定的折中。传统的重采策略关注时效性,而忽略了对网站访问的友好性。该文提出了一种基于时间序列预测的改进重采策略兼顾时效性和友好性。实验表明,该方法可以在保证数据采集实时性的情况下,有效降低访问量,提升对网站访问的友好性。