面向超大规模动态属性网络的节点分类方法及用户分类方法

    公开(公告)号:CN119646588A

    公开(公告)日:2025-03-18

    申请号:CN202411817890.5

    申请日:2024-12-11

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向超大规模动态属性网络的节点分类方法,包括获取超大规模动态属性网络的数据信息;进行信息衰减;构建稀疏随机矩阵;对增量属性矩阵进行投影降维得到初始增量嵌入矩阵;进行增量更新得到网络嵌入矩阵;对网络嵌入矩阵进行二值化操作得到二值化网络嵌入矩阵;对二值化网络嵌入矩阵进行拼接操作得到扩展嵌入矩阵;重复以上步骤获取设定数量的扩展嵌入矩阵并作为训练数据集,训练节点分类初始模型得到动态节点分类模型;采用动态节点分类模型对目标超大规模动态属性网络进行当前时刻的节点分类。本发明还公开了一种包括所述面向超大规模动态属性网络的节点分类方法的用户分类方法。本发明的可靠性更高,精确性更好,效率较高。

    面向亿级规模属性网络的节点分类方法及用户分类方法

    公开(公告)号:CN118260671A

    公开(公告)日:2024-06-28

    申请号:CN202410434032.6

    申请日:2024-04-11

    Applicant: 中南大学

    Abstract: 本发明公开了一种面向亿级规模属性网络的节点分类方法,包括获取现有的大规模属性网络数据及对应的数据信息并建模构建闭邻域邻接矩阵和属性矩阵;构建稀疏随机矩阵并对属性矩阵投影得到初始嵌入矩阵;将初始嵌入矩阵与闭邻域邻接矩阵迭代相乘得到网络嵌入矩阵;1位量化网络嵌入矩阵得到量化网络嵌入矩阵;对量化网络嵌入矩阵进行逻辑非操作和拼接操作得到扩展嵌入矩阵;将扩展嵌入矩阵作为训练数据集训练模型得到节点分类模型;采用节点分类模型对待分类的大规模属性网络进行节点分类。本发明还公开了一种包括了所述面向亿级规模属性网络的节点分类方法的用户分类方法。本发明能够完成亿级规模属性网络的节点分类,资源占用少,分类效率高。

    一种基于哈希算法的社交网络关系预测方法

    公开(公告)号:CN115757954A

    公开(公告)日:2023-03-07

    申请号:CN202211447306.2

    申请日:2022-11-18

    Applicant: 中南大学

    Inventor: 吴炜 李斌 罗川

    Abstract: 本发明公开了一种基于哈希算法的社交网络关系预测方法,包括:构建社交网络的图结构,对各顶点的原始向量表达采用MinHash算法计算各顶点的初始向量表达;对每个顶点的原始向量表达以及该顶点的所有邻居顶点的初始向量表达的并集使用MinHash算法生成两个中间向量表达;比较每个顶点的两个中间向量表达中每一维度的哈希值并取最小值得到该顶点的当前向量表达;根据顶点的当前向量表达构建相似度矩阵;从相似度矩阵中随机抽样多个不存在边的顶点对之间的相似度,与待判断的边所对应的两个顶点之间的相似度比较,计算待判断边的相似度大于不存在边的相似度的比例,根据阈值判断边是否存在。本发明能够在满足社交网络关系预测精度的前提下,明显降低时间开销。

    一种公安领域案件文本的分类方法

    公开(公告)号:CN107798033B

    公开(公告)日:2021-07-02

    申请号:CN201710117554.3

    申请日:2017-03-01

    Abstract: 本发明公开了一种公安领域案件文本的分类方法,包括以下步骤:对案件文本进行预处理;建立支持向量机对预处理后的案件文本进行分类;建立基于词典的规则匹配案件分类器;根据决策函数值,对支持向量机分类所得结果置信度低的案件,利用所述基于词典的规则匹配案件分类器进行二次分类,以该分类结果为最终结果。本发明避免了接受置信度低的分类决策结果,提高了分类准确性,满足公安领域案件文本处理的需求。

    基于哈希算法的代码分类方法

    公开(公告)号:CN116432125B

    公开(公告)日:2023-09-05

    申请号:CN202310637656.3

    申请日:2023-06-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于哈希算法的代码分类方法,包括获取已有的代码数据和对应的分类结果提取对应的抽象语法树;计算得到各个抽象语法树的表达;基于抽象语法树之间的相似度构建核矩阵;构建抽象语法树分类初步模型并训练得到抽象语法树分类模型;采用抽象语法树分类模型进行实际的代码的分类。本发明避免了神经网络中复杂的数学计算和海量的参数学习,同时不再依赖昂贵的高端硬件,能够在满足代码分类精度的前提下,明显降低时间开销,尤其适用于大规模代码数据集场景下的代码分类任务,而且本发明的可靠性高、准确性好且效率较高。

    基于哈希算法的代码分类方法

    公开(公告)号:CN116432125A

    公开(公告)日:2023-07-14

    申请号:CN202310637656.3

    申请日:2023-06-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于哈希算法的代码分类方法,包括获取已有的代码数据和对应的分类结果提取对应的抽象语法树;计算得到各个抽象语法树的表达;基于抽象语法树之间的相似度构建核矩阵;构建抽象语法树分类初步模型并训练得到抽象语法树分类模型;采用抽象语法树分类模型进行实际的代码的分类。本发明避免了神经网络中复杂的数学计算和海量的参数学习,同时不再依赖昂贵的高端硬件,能够在满足代码分类精度的前提下,明显降低时间开销,尤其适用于大规模代码数据集场景下的代码分类任务,而且本发明的可靠性高、准确性好且效率较高。

    基于哈希算法的分子分类方法
    8.
    发明公开

    公开(公告)号:CN115331754A

    公开(公告)日:2022-11-11

    申请号:CN202210995952.6

    申请日:2022-08-19

    Applicant: 中南大学

    Inventor: 吴炜 罗川 吴立军

    Abstract: 本发明公开了一种基于哈希算法的分子分类方法,包括获取已知分类的分子并构建分子结构图;计算图中顶点的向量表达;得到各个顶点的邻接节点向量和表达并拼接得到各个顶点的哈希码向量表达;将顶点的哈希码向量表达全部相加;得到每个分子结构图的向量表达;计算任意两个分子结构图之间的相似度并构建核矩阵;训练得到分子图分类器;获取待分类分子的分子结构图与已知分子结构图之间的相似度,并输入到分子图分类器得到分类结果。本发明方法避免了图神经网络中海量的参数学习,同时不再依赖昂贵的高端硬件,能够在满足分子分类精度的前提下,明显降低时间开销,尤其适用于大规模分子图数据集场景下的分类任务,而且可靠性高,精确性好,效率较高。

Patent Agency Ranking