公开(公告)号：CN117633544A

公开(公告)日：2024-03-01

申请号：CN202311428327.4

申请日：2023-10-31

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 吕琳媛 ,  杨荣湄 ,  刘波

IPC: G06F18/22 ,  G06N20/00 ,  G06F18/214 ,  G06F18/24 ,  G06N3/084

Abstract: 本发明公开了一种基于单纯形模体的高阶链路预测方法，该方法计算高阶网络中的单纯形模体，并作为机器学习模型的预测器进行高阶链路预测，有效地提升链路预测算法的预测精度，该方法通过分析单模体预测精度在不同数据集中的表现以及和样本分布差异性的相关系数，提供了两种开发通用模体的特征选择策略，只需要使用部分模体就可以达到较高的预测精度。在Email网络、药物网络、人类接触网络、合作网络、药物滥用警告网络、问答网站网络等不同类型的十个实证数据中进行了预测，预测效果普遍优于传统指标，验证了该方法的有效性和精确性，为预测高阶交互关系提供了帮助,可以有效地推广在社交网络分析、药物研发、推荐系统等应用场景中。

公开(公告)号：CN113094558B

公开(公告)日：2023-10-20

申请号：CN202110375631.1

申请日：2021-04-08

Applicant: 电子科技大学 ,  电子科技大学长三角研究院(湖州)

Inventor： 王文斌 ,  徐舒琪 ,  王晶晶 ,  吕琳媛 ,  苟尤钊 ,  周方

IPC: G06F16/901 ,  G06F16/2458

Abstract: 本发明提供了一种基于局部结构的网络节点影响力排序方法，属于计算机技术领域，选择部分节点作为待排序节点；获取每个待排序节点的r阶邻居节点；基于所述r阶邻居节点及其之间的关系连边构建包含局部结构的有向无权网络；利用排序算法计算得到每个节点的r阶分值；利用重调整算法计算得到每个节点重调整后的分值；将所有节点按重调整后的分值进行排序。本发明能够在仅获取局部关系信息的情况下，计算所有已有对象的影响力，并且通过调整过程进一步修正了在大多数系统都存在的由于时间累积导致的优势偏差，最终输出准确的节点影响力排序，实现了在不完全信息下对重要对象的挖掘，可用于社交网络、引文网络等大规模数据的场景。

公开(公告)号：CN115865713A

公开(公告)日：2023-03-28

申请号：CN202211454519.8

申请日：2022-11-21

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 任晓龙 ,  黄一鸣 ,  吕琳媛 ,  梁木生 ,  张符融 ,  瑞嘉 ,  王重阳

IPC: H04L41/142 ,  G06F17/16

Abstract: 本发明属于高阶网络技术领域，公开了一种高阶网络中高阶结构的重要性排序方法、系统及终端，计算网络G中的高阶结构，并构造高阶关联矩阵B；计算高阶邻接矩阵Ah和高阶拉普拉斯矩阵Lh，同时计算混动邻接矩阵和混动拉普拉斯矩阵计算高阶密度算子ρ和高阶网络熵构造高阶扰动网络最终得到每个高阶结构的纠缠度E(Ωi)。本发明受量子信息论启发提出高阶熵及高阶纠缠的概念，综合考虑信息网络的低阶结构和拓扑信息、网络的高阶结构和全局拓扑信息，可以用来量化网络中高阶结构的重要性，识别网络中的关键高阶结构。

公开(公告)号：CN115048574A

公开(公告)日：2022-09-13

申请号：CN202210590589.X

申请日：2022-05-27

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 黄宽 ,  周方 ,  吕琳媛

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种在社交网络中进行好友关系推荐的方法，旨在应用于推荐系统中用以发掘社交网络中潜在的好友关系以及提升推荐系统的推荐准确率，从而提升推荐系统的用户粘性。该发明基于物理学中的渗流理论对社交网络全局结构进行刻画并融合局部相似性所得的一个全新的推荐指标对社交网络中好友关系对的亲密程度进行评分，从而达到对潜在好友关系发掘与推荐准确率提升的效果，通过在经典实证网络与模型网络的实验，比较分析了所提出算法相较于传统方法的有效性，验证了推荐的准确性，证实了该算法的可用性。

公开(公告)号：CN115037629A

公开(公告)日：2022-09-09

申请号：CN202210204760.9

申请日：2022-03-02

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 石汶峰 ,  徐舒琪 ,  吕琳媛 ,  张符融

IPC: H04L41/12 ,  H04L51/52

Abstract: 本发明公开了一种基于圈结构的网络多传播源选择方法，能够在社交平台等大规模场景中利用已知的对象之间的关系构建复杂网络，确定传播效果最优的多对象组合，即多传播源，以用于信息传播效果的最优化。传播源的数量可以根据需求动态调整，这些多传播源在网络中分布广泛且均匀，有利于促进信息的有效传播，当一些对象由于各种原因无法用于所需进行的传播活动时，本发明还可以找到替代组合以实现相近性能，整个过程耗时较短。

公开(公告)号：CN114741495A

公开(公告)日：2022-07-12

申请号：CN202210204792.9

申请日：2022-03-02

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 黄羿炜 ,  徐舒琪 ,  吕琳媛 ,  张符融 ,  蔡世民

IPC: G06F16/335 ,  G06F16/38 ,  G06K9/62

Abstract: 本发明提供了一种学术论文审稿人的推荐方法，涉及计算机算法领域，不依赖复杂的文本分析，无需获取完整文本信息，计算成本低，有效性和准确性高；该方法包括：S1、根据待审论文的摘要和/或关键词从数据库中获取相关领域内已发表论文以及对应作者的数据；S2、根据获取的论文数据和学者数据构建学者‑论文双层网络模型；S3、进行作者匹配实验，根据实验结果确定最优扩散参数；S4、将待审论文以及其作者并入已构建的学者‑论文双层网络模型中，并结合已确定值的最优扩散参数，采用资源扩散的方式获得各学者的资源值；S5、根据各学者的资源值生成推荐列表并推荐相应学者作为所述待审论文的审稿人。