公开(公告)号：CN107368534B

公开(公告)日：2020-06-12

申请号：CN201710475429.X

申请日：2017-06-21

Applicant: 南京邮电大学

Inventor： 王梦伊 ,  陈志 ,  岳文静 ,  刘亚威

IPC: G06F16/35 ,  G06F16/901 ,  G06Q50/00

Abstract: 本发明公开了一种预测社交网络用户属性的方法，包括以下步骤：步骤1)采集社交网络信息数据，并对数据进行清洗，获得社交网络清洗后的数据，步骤2)定义社交网络图模型；步骤3)对数据进行分析，步骤4)对数据进行特征提取，步骤5)采用局部全局一致性算法预测隐藏属性，步骤6)获得预测结果。本发明提高了社会网络用户的属性的预测准确性，使用通用的半监督学习框架，来推断用户的属性。根据用户的数据类型建立训练模型，使用基于图的协同训练模型，推断用户的属性。本发明能够让社交网络用户拥有更好的使用体验，帮助系统更精准地自动为用户进行分组、内容共享和推荐朋友。

公开(公告)号：CN107368534A

公开(公告)日：2017-11-21

申请号：CN201710475429.X

申请日：2017-06-21

Applicant: 南京邮电大学

Inventor： 王梦伊 ,  陈志 ,  岳文静 ,  刘亚威

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明公开了一种预测社交网络用户属性的方法，包括以下步骤：步骤1)采集社交网络信息数据，并对数据进行清洗，获得社交网络清洗后的数据，步骤2)定义社交网络图模型；步骤3)对数据进行分析，步骤4)对数据进行特征提取，步骤5)采用局部全局一致性算法预测隐藏属性，步骤6)获得预测结果。本发明提高了社会网络用户的属性的预测准确性，使用通用的半监督学习框架，来推断用户的属性。根据用户的数据类型建立训练模型，使用基于图的协同训练模型，推断用户的属性。本发明能够让社交网络用户拥有更好的使用体验，帮助系统更精准地自动为用户进行分组、内容共享和推荐朋友。

公开(公告)号：CN106156488A

公开(公告)日：2016-11-23

申请号：CN201610460412.2

申请日：2016-06-22

Applicant: 南京邮电大学

Inventor： 陈清子 ,  陈志 ,  岳文静 ,  刘亚威 ,  王梦伊

IPC: G06F19/00

CPC classification number: G06F19/00

Abstract: 本发明公开一种基于贝叶斯个性化排序的知识图链接预测方法。该方法通过提出了一个潜在特征链接预测模型来考虑预测任务主体与客体间关系的交集，并利用贝叶斯个性化排序来优化主体与客体间关系的预测模型。本发明方法能够解决知识图链接预测中主体与客体间关系的交集对预测结果的影响，并避免过度拟合。

公开(公告)号：CN106127591A

公开(公告)日：2016-11-16

申请号：CN201610459597.5

申请日：2016-06-22

Applicant: 南京邮电大学

Inventor： 陈清子 ,  陈志 ,  岳文静 ,  刘亚威 ,  王梦伊

IPC: G06Q50/00

CPC classification number: G06Q50/01

Abstract: 本发明公开一种基于效用的在线社交网络链接推荐方法。该方法根据潜在链接对在线社交网络贡献的价值，使用贝叶斯网络来预测潜在链接是对在线社交网络贡献价值最大的K个之一的概率，然后采用top‑K算法得到要推荐的K个潜在链接，并进行推荐。本发明能够维护链接推荐中运营商的利益，推荐的链接不仅建立的可能性较大，而且链接建立后的网络价值较大。