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：CN105701710A

公开(公告)日：2016-06-22

申请号：CN201610025181.2

申请日：2016-01-13

Applicant: 南京邮电大学

Inventor： 王宇虹 ,  陈志 ,  岳文静 ,  卜杰 ,  陈雨诗 ,  田思明 ,  黄诚博 ,  刘亚威

IPC: G06Q50/00

CPC classification number: G06Q50/01

Abstract: 本发明给出一种基于图挖掘的社交网络组队方法，解决社交网络中的组队问题。该方法将社交网络中的人员定义为图模型，依据给定图直径的定义，结合最少优先算法，从全局角度求解社交网络中的最佳组队方式，并利用哈希存储优化求解过程。首先根据用户输入的信息，构建社交网络组队问题的图模型G，该图模型G在建立后，任意两个候选人之间的最短路都有相应的权值，表示两者的交流代价；然后使用最少优先算法，获得社交网络组队问题在图模型G上的解空间；最后利用哈希存储优化求解过程，采用哈希表存储相关技能集。本发明能够形成解决全局情况下社交网络中最佳组队方案，使社交网络中的组队问题在解决过程在时间和空间复杂度上得到优化，并避免早熟收敛。

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。

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：CN105701571A

公开(公告)日：2016-06-22

申请号：CN201610020549.6

申请日：2016-01-13

Applicant: 南京邮电大学

Inventor： 陈志 ,  林海涛 ,  岳文静 ,  黄诚博 ,  卜杰 ,  王宇虹 ,  刘亚威

IPC: G06Q10/04 ,  G06Q50/30 ,  G06N3/08 ,  G06K9/62

CPC classification number: G06Q10/04 ,  G06K9/6218 ,  G06N3/084 ,  G06Q50/30

Abstract: 本发明给出一种基于神经网络组合模型的短时交通流量预测方法，该方法构建一种反向传播神经网络组合预测模型，并基于该模型提出短时交通流量预测方法。本发明首先针对交通流的特性，使用模糊C均值聚类算法对交通流量进行聚类，对聚类生成的每个簇构建一个反向传播神经网络预测模型，并根据隶属度求各预测模型预测结果的加权和作为最终预测结果。为提升预测精度，本发明采用田口方法进行试验设计来测试不同结构参数对预测模型预测精度的影响，并使用最佳结构参数作为预测模型的初始结构。本发明方法能够有效提升短时交通流量的预测精度、降低训练数据中噪声对预测精度的影响，并且运行时间较为合理。