-
公开(公告)号：CN115270064A
公开(公告)日：2022-11-01
申请号：CN202210446261.0
申请日：2022-04-26
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于关联规则挖掘算法确定属性权重的三角模糊数多属性决策方法，其特征在于：包括以下步骤：S1:将初始三角模糊数型决策矩阵转化为三角模糊数型决策规范化矩阵；S2:求出各个属性的不同取值对于方案评价指标优劣程度的关联规则的置信度；S3:从历史决策信息中求出各个属性的影响因子；S4:根据决策规范化矩阵进行计算，求出各个属性的相似度差异指标；S5:根据相似度差异指标和属性的影响因子求出各个属性的权重；S6:将求得的权重带入决策规范化矩阵中，求得各个方案的加权综合属性值；S7:利用可能度排序法对各个备选方案的加权综合属性值进行排序择优，本发明可以利用在有大量历史决策数据可以参考的三角模糊数型的多属性决策问题中，例如人才考核、项目投资等。
-
公开(公告)号：CN114579927A
公开(公告)日：2022-06-03
申请号：CN202210200494.2
申请日：2022-03-02
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于爱因斯坦运算和前景理论的多属性决策方法，其特征在于：包括以下步骤：S1:使用语言术语将决策者给出的判断进行表示，根据决策者的权重信息通过球形爱因斯坦聚集算子构成球形模糊初始决策矩阵；S2:利用新得分函数计算得分值矩阵S3:通过综合距离求权方法得到属性权重；S4:计算前景决策矩阵，针对决策者的风险偏好类型，设定参考点，计算各方案在各属性下的前景值，得到前景决策矩阵v＝(vij)m×n；S5:计算各方案的综合前景值，并对各方案进行排序，综合前景值越大，对应的方案越优。本发明在球形模糊集中引入爱因斯坦运算和前景理论，可用于决策对象存在主观偏好的情况，例如医院选址、项目投资等。
-
公开(公告)号：CN114461879A
公开(公告)日：2022-05-10
申请号：CN202210073662.6
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F16/906 , G06Q50/00 , G06F40/30 , G06F40/216
Abstract: 本发明公开了一种基于文本特征整合的语义社交网络多视角社区发现方法，包括：抓取社交网络中用户发表语义信息；提取语义信息中预设数量的词频特征构建矩阵；对语义信息进行TF‑IDF值计算，提取预设数量的关键字特征构建矩阵；利用LDA主题模型获取语义信息的主题和每位用户的主题分布构建矩阵；利用Pearson相关系数求解上述矩阵之间的相似度矩阵，并与预设阈值进行比较，若大于则建立连接重构原社交网络，得到语义社交网络；利用基于图学习的多视角聚类算法对语义社交网络进行多视角社区发现，得到社区划分结果。该方法从多个视角考虑社交网络的语义信息再进行社区发现，保证社区结构划分结果的高质量、高准确度和高凝聚性。
-
公开(公告)号：CN114461879B
公开(公告)日：2024-10-15
申请号：CN202210073662.6
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F16/906 , G06Q50/00 , G06F40/30 , G06F40/216
Abstract: 本发明公开了一种基于文本特征整合的语义社交网络多视角社区发现方法，包括：抓取社交网络中用户发表语义信息；提取语义信息中预设数量的词频特征构建矩阵；对语义信息进行TF‑IDF值计算，提取预设数量的关键字特征构建矩阵；利用LDA主题模型获取语义信息的主题和每位用户的主题分布构建矩阵；利用Pearson相关系数求解上述矩阵之间的相似度矩阵，并与预设阈值进行比较，若大于则建立连接重构原社交网络，得到语义社交网络；利用基于图学习的多视角聚类算法对语义社交网络进行多视角社区发现，得到社区划分结果。该方法从多个视角考虑社交网络的语义信息再进行社区发现，保证社区结构划分结果的高质量、高准确度和高凝聚性。
-
公开(公告)号：CN114707044B
公开(公告)日：2023-06-23
申请号：CN202111638174.7
申请日：2021-12-29
Applicant: 哈尔滨理工大学
IPC: G06F16/951 , G06Q50/00
Abstract: 本发明公开了一种基于社区发现的集体社交行为的提取方法及系统，其中，该方法包括：抓取社交网络中多个用户发表的帖子作为初始数据集，并对其进行预处理得到数据集；利用LDA模型处理数据集，生成主题分布；构造基于稀疏表达的相似度计算函数求解每个帖子与主题分布的相似度，得到亲和矩阵；基于自适应损失函数构建社区发现算法，确定目标函数；使用交替迭代法使目标函数不断学习，得到亲和矩阵中同一主题下每个帖子之间的连通分量，以构建目标相似度矩阵确定社区结构；引入node2vec模型将社区结构可视化，根据社区结构中中节点的分布情况提取集体社交行为。该方法可以准确提取明显不同于个体语义行为特征的集体社交行为，且鲁棒性高。
-
Patent Agency Ranking
公开(公告)号：CN113065654A
公开(公告)日：2021-07-02
申请号：CN202110431654.X
申请日：2021-04-21
Applicant: 哈尔滨理工大学
IPC: G06N5/00
Abstract: 本发明公开了一种基于差距度的记分函数的模糊多属性决策方法，该方法针对现有直觉模糊数的记分函数需要二次比较和某些情况下与客观事实不符等缺陷，提出一种基于差距度的记分函数，凭此将直觉模糊数转化为实数；其次，依据偏差最大化原则，并考虑决策者的主观权重期望，构建非线性优化模型，计算属性权重；再次，引入前景理论，将决策者对专家评价系统中专家对各方案的态度的期望作为参考点，构建前景值矩阵，进而构建加权前景值矩阵；然后，引入TOPSIS法思路对各方案进行排序择优，本方法很好的克服了已知记分函数的缺陷和解决了决策者的风险偏好问题，使结果更加合理，为解决多属性决策在某些场景应用，例如商品选择等，提供了更科学有效的方法。
-
公开(公告)号：CN114492455B
公开(公告)日：2024-10-15
申请号：CN202210072113.7
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/216 , G06Q50/00
Abstract: 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。
-
公开(公告)号：CN114707044A
公开(公告)日：2022-07-05
申请号：CN202111638174.7
申请日：2021-12-29
Applicant: 哈尔滨理工大学
IPC: G06F16/951 , G06Q50/00
Abstract: 本发明公开了一种基于社区发现的集体社交行为的提取方法及系统，其中，该方法包括：抓取社交网络中多个用户发表的帖子作为初始数据集，并对其进行预处理得到数据集；利用LDA模型处理数据集，生成主题分布；构造基于稀疏表达的相似度计算函数求解每个帖子与主题分布的相似度，得到亲和矩阵；基于自适应损失函数构建社区发现算法，确定目标函数；使用交替迭代法使目标函数不断学习，得到亲和矩阵中同一主题下每个帖子之间的连通分量，以构建目标相似度矩阵确定社区结构；引入node2vec模型将社区结构可视化，根据社区结构中中节点的分布情况提取集体社交行为。该方法可以准确提取明显不同于个体语义行为特征的集体社交行为，且鲁棒性高。
-
公开(公告)号：CN114492455A
公开(公告)日：2022-05-13
申请号：CN202210072113.7
申请日：2022-01-21
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F40/216 , G06Q50/00
Abstract: 本发明公开了一种基于图结构整体和部分的社交网络意见领袖挖掘方法，属于社交网络分析技术领域，包括：爬取社交网络中用户语义信息并进行预处理；利用LDA模型将处理后的语义信息抽象为主题，提取关键字，将主题和关键字作为特征属性；将LDA模型生成的K个主题作为向量空间，堆叠成数据矩阵建立用户社交网络；利用基于密度的社区发现方法对用户社交网络进行社区划分，得到社区结构；基于图的整体结构计算社区结构中所有用户节点整体、局部影响力；融合所有用户节点整体、局部影响力进行影响力评估，得到所有用户节点影响力评分，将排在预设阈值前的用户节点作为意见领袖。该方法考虑因素的多样性保证了网络意见领袖挖掘的准确性和有效性。
-
公开(公告)号：CN114154553A
公开(公告)日：2022-03-08
申请号：CN202111240187.9
申请日：2021-10-25
Applicant: 哈尔滨理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于球形模糊集综合相似度的多属性决策方法，其特征在于：包括以下步骤：S1:使用语言术语将决策者给出的判断进行表示，根据决策者的权重信息通过球形聚集算子构成球形模糊初始决策矩阵；S2:由初始决策矩阵和决策者给出的球形模糊数形式的属性主观权重得到主观加权决策矩阵；S3:分别计算属性间平均相似度和属性内相似度，通过综合相似度规划模型确定属性客观权重；S4:由初始决策矩阵和属性客观权重得到客观加权决策矩阵；S5:对主观加权决策矩阵和客观加权决策矩阵进行线性调整得到加权决策矩阵；S6:通过得分函数得到球形模糊正理想解和负理想解；S7:计算每个备选方案的分离度，相对接近系数并排序。本发明可以求解属性客观权重，通过线性调整综合考虑主观和客观权重对决策结果的影响，使结果更为合理。可应用于各种多属性决策的场景，例如医院选址、项目投资等。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
