-
公开(公告)号：CN109493246B
公开(公告)日：2021-06-25
申请号：CN201811399856.5
申请日：2018-11-22
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及一种动态社交网络社区演化分析方法及其系统，属于网络识别技术领域，解决了现有技术未能充分利用网络拓扑结构信息和未对核心节点的类型进行区分的问题。该方法包括如下步骤：针对给定的动态社交网络，从第一个时间片开始，对每个时间片划分该时间片网络对应的社区结构；根据社区结构划分结果，计算每个时间片网络的superspreader集合和该时间片网络对应的每个社区的superblocker集合；针对superspreader集合，确定每一社区的演化事件1类型，即产生、合并和扩张事件；针对superblocker集合，确定每一社区的演化事件2类型，即消失、分裂和缩减事件。本发明利用superspreader的传播性强和superblocker破坏连通性的特点，根据这两类节点集合的变化情况分析动态社交网络社区演化事件，演化事件识别准确性、效率高。
-
Patent Agency Ranking
公开(公告)号：CN108833138B
公开(公告)日：2021-03-16
申请号：CN201810481373.3
申请日：2018-05-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种错误累积敏感的增量式动态社区发现方法及系统，其中，方法包括：计算给定动态社交网络的错误累积最佳阈值；在第一个时间片，采用静态方法获得动态社交网络的初始社区结构；从第二个时间片开始直到结束，判断当前时间片的错误累积预估值是否超过错误累积最佳阈值，是，则重新进行社区划分，获得当前时间片社区结构；否，则动态更新增量节点的社区归属，获得当前时间片的社区结构。本发明充分考虑了传统增量式动态社区发现中存在的错误累积现象，对每个时间片的错误累积进行了预估，并根据错误累积预估结果选择合适策略进行社区发现，在确保社区发现效率的基础上，提高了社区发现的准确性。
-
公开(公告)号：CN108833138A
公开(公告)日：2018-11-16
申请号：CN201810481373.3
申请日：2018-05-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种错误累积敏感的增量式动态社区发现方法及系统，其中，方法包括：计算给定动态社交网络的错误累积最佳阈值；在第一个时间片，采用静态方法获得动态社交网络的初始社区结构；从第二个时间片开始直到结束，判断当前时间片的错误累积预估值是否超过错误累积最佳阈值，是，则重新进行社区划分，获得当前时间片社区结构；否，则动态更新增量节点的社区归属，获得当前时间片的社区结构。本发明充分考虑了传统增量式动态社区发现中存在的错误累积现象，对每个时间片的错误累积进行了预估，并根据错误累积预估结果选择合适策略进行社区发现，在确保社区发现效率的基础上，提高了社区发现的准确性。
-
公开(公告)号：CN106844697B
公开(公告)日：2019-07-23
申请号：CN201710060641.X
申请日：2017-01-25
Applicant: 中国矿业大学
IPC: G06F16/953 , G06F16/35 , G06N3/04 , G06Q50/00
Abstract: 本发明涉及一种基于潜在传播集的社交网络信息传播跟踪方法，包括：建立基于潜在传播集的SIR模型；从社交网络中获取网络消息，进行聚类并分组，建立网络热点消息的分类数据库；从分类数据库中选取网络热点消息，对社交网络进行采样，获取传播参数；获取新的网络热点消息，将其与网络热点消息的分类数据库进行对比，选择最接近的网络热点消息类型，并提取获取的传播参数作为新的网络热点消息的参考传播参数；对参考传播参数进行调整，进一步预测所述网络热点消息的传播情况并进行人工干预。本发明运用在不同规模的人工网络与现实网络中，由SIPR方程组生成的S、I、R三类曲线与仿真模拟情况中三类曲线吻合度很高，均表现出了良好的效果。
-
公开(公告)号：CN109493246A
公开(公告)日：2019-03-19
申请号：CN201811399856.5
申请日：2018-11-22
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及一种动态社交网络社区演化分析方法及其系统，属于网络识别技术领域，解决了现有技术未能充分利用网络拓扑结构信息和未对核心节点的类型进行区分的问题。该方法包括如下步骤：针对给定的动态社交网络，从第一个时间片开始，对每个时间片划分该时间片网络对应的社区结构；根据社区结构划分结果，计算每个时间片网络的superspreader集合和该时间片网络对应的每个社区的superblocker集合；针对superspreader集合，确定每一社区的演化事件1类型，即产生、合并和扩张事件；针对superblocker集合，确定每一社区的演化事件2类型，即消失、分裂和缩减事件。本发明利用superspreader的传播性强和superblocker破坏连通性的特点，根据这两类节点集合的变化情况分析动态社交网络社区演化事件，演化事件识别准确性、效率高。
-
公开(公告)号：CN106844697A
公开(公告)日：2017-06-13
申请号：CN201710060641.X
申请日：2017-01-25
Applicant: 中国矿业大学
CPC classification number: G06F16/355 , G06F16/951 , G06N3/04 , G06Q50/01
Abstract: 本发明涉及一种基于潜在传播集的社交网络信息传播跟踪方法，包括：建立基于潜在传播集的SIR模型；从社交网络中获取网络消息，进行聚类并分组，建立网络热点消息的分类数据库；从分类数据库中选取网络热点消息，对社交网络进行采样，获取传播参数；获取新的网络热点消息，将其与网络热点消息的分类数据库进行对比，选择最接近的网络热点消息类型，并提取获取的传播参数作为新的网络热点消息的参考传播参数；对参考传播参数进行调整，进一步预测所述网络热点消息的传播情况并进行人工干预。本发明运用在不同规模的人工网络与现实网络中，由SIPR方程组生成的S、I、R三类曲线与仿真模拟情况中三类曲线吻合度很高，均表现出了良好的效果。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
