-
公开(公告)号：CN109034562B
公开(公告)日：2021-07-23
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
Patent Agency Ranking
公开(公告)号：CN110445654B
公开(公告)日：2020-09-04
申请号：CN201910741261.1
申请日：2019-08-12
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于社区划分的社交网络多源谣言溯源方法及系统，属于社交网络分析技术领域，解决了现有技术溯源率较低、错误距离较大等问题。首先进行基于拓扑势的社区划分，得到有重合区域的多个社区，每个社区内的节点构成一个子网络，保存每个社区内节点的数量及名称；然后在每一子网络上运用单源谣言溯源方法，计算每一社区中的每个节点作为源节点的可能性；选择各社区中作为源节点可能性最大的节点，得到多源节点。实现了社交网络中感染部分多源节点的寻找，溯源率高，错误距离小。
-
公开(公告)号：CN110445654A
公开(公告)日：2019-11-12
申请号：CN201910741261.1
申请日：2019-08-12
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于社区划分的社交网络多源谣言溯源方法及系统，属于社交网络分析技术领域，解决了现有技术溯源率较低、错误距离较大等问题。首先进行基于拓扑势的社区划分，得到有重合区域的多个社区，每个社区内的节点构成一个子网络，保存每个社区内节点的数量及名称；然后在每一子网络上运用单源谣言溯源方法，计算每一社区中的每个节点作为源节点的可能性；选择各社区中作为源节点可能性最大的节点，得到多源节点。实现了社交网络中感染部分多源节点的寻找，溯源率高，错误距离小。
-
公开(公告)号：CN109034562A
公开(公告)日：2018-12-18
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
CPC classification number: G06Q10/0639 , G06Q50/01
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
公开(公告)号：CN119089245A
公开(公告)日：2024-12-06
申请号：CN202411196947.4
申请日：2024-08-29
Applicant: 中国矿业大学
IPC: G06F18/24 , G06F18/25 , G06F18/214
Abstract: 本发明涉及涉及图神经网络和异构图表示学习技术领域，具体涉及一种基于关系感知标签传播的异构图节点分类方法，包括以下步骤：先根据给定的异构网络，然后对不同类型的节点进行类型特定的线性变换，并将他们的特征投影到公共特征空间，对异构网络中的目标节点，设计关系感知标签传播算法，并通过关系子图生成伪标签，随后采用基于类型注意机制的双层聚合策略进行信息传递，并将节点的多层次信息进行有效融合，使得节点特征表示更加丰富和准确。本发明通过设计关系感知标签传播方法获取伪标签，利用基于类型注意机制的双层聚合进行异构消息传递，并结合多目标优化策略，显著提高了分类性能和鲁棒性。
-
公开(公告)号：CN119030846A
公开(公告)日：2024-11-26
申请号：CN202410996524.4
申请日：2024-07-24
Applicant: 中国矿业大学
IPC: H04L41/026 , H04L41/50 , H04L41/12
Abstract: 一种基于高阶消息传递的异构属性网络表示学习方法，对于给定的异构属性网络，通过线性变换将不同维度的节点特征映射到一个相同维度的共享特征空间中；对于目标类型节点直接邻域内不同的节点和边类型，采用具有双层聚合函数的基于网络模式的异构消息传递机制，分别根据不同的节点类型和边类型进行消息聚合；对于目标类型节点远程不同阶数的邻域消息，基于高阶消息注意力机制，自适应地分配不同阶数的消息权重，再对不同阶数的消息进行加权融合，生成节点的最终表示；使用单层线性变换作为分类器，根据学习到的节点表示将目标节点分配到特定的类或类别中。该方法能有效捕捉到异构网络中的节点特征和语义信息，可显著提升节点分类的区分力。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
