公开(公告)号：CN119578753A

公开(公告)日：2025-03-07

申请号：CN202411556477.8

申请日：2024-11-01

Applicant: 杭州高新区(滨江)区块链与数据安全研究院 ,  浙江大学

Inventor： 陈佳伟 ,  史麒豪 ,  罗进开 ,  王灿

IPC: G06Q10/0631 ,  G06Q50/00 ,  G06F17/16 ,  G06F17/18

Abstract: 本申请涉及一种影响力资源分配方法、装置、计算机设备和存储介质，其中，该方法包括：估计社交网络中多个种子节点的影响力边界值；根据各种子节点的影响力边界值和各种子节点的开销，确定各种子节点的密度；确定多个代理中每个代理已拥有的影响力资源，按照影响力资源从小到大的顺序，分别为各代理分配预算范围内密度最大的种子节点。采用本方法能够在种子节点的真实影响力未知时，保证最终得到的影响力资源分配方案有较好的公平性。

公开(公告)号：CN118015372A

公开(公告)日：2024-05-10

申请号：CN202410206692.9

申请日：2024-02-26

Applicant: 浙江大学

Inventor： 王灿 ,  张扬光 ,  宋杰 ,  史麒豪 ,  陈佳伟

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06V10/44 ,  G06N3/08 ,  G06N3/0495 ,  G06N3/082

Abstract: 一种基于输入自适应神经网络架构的跨领域小样本图片分类方法和装置，其方法包括：收集用于预训练的大型图片数据集；搭建输入自适应神经网络架构；在大型图片数据集上预训练该神经网络，训练得到神经网络各层权重；在目标跨领域小样本图片分类任务上，去掉神经网络的全连接层并固定神经网络的权重，用逻辑回归方法在用于训练的跨领域小样本图片上训练，得到逻辑回归分类器的权重；训练好后输入用于测试的跨领域小样本图片到神经网络中，得到图片分类结果。其优点在于：该方法所使用的神经网络具备根据输入自适应调整权重的能力，并保留了卷积层的归纳偏差能力，避免使用大量训练数据，特别适用于跨领域小样本图片分类场景。

公开(公告)号：CN106933949A

公开(公告)日：2017-07-07

申请号：CN201710045529.9

申请日：2017-01-20

Applicant: 浙江大学

Inventor： 王灿 ,  史麒豪 ,  卜佳俊 ,  陈纯

IPC: G06F17/30 ,  G06Q50/00

Abstract: 一一种控制社交网络中影响力爆发的规划方法。包括以下步骤：(1)获取原始网络结构G的邻接信息，设定各个参数；(2)以逆向的广度优先搜索(BFS)随机生成指定数量的新样本加入到样本集中；(3)根据给定的预算以及爆发时间，依据最大覆盖(maximum coverage)算法估算出此时的影响力传播率，影响力传播率是被覆盖样本数与样本总数的比值；(4)根据马缰绳(martingale)原理，不断重复步骤(1)与(2)，直到影响力传播率以充分的概率保证逼近在给定预算和爆发时间下影响力传播的最优情况，此时得到最终采样结果。(5)根据最终采样结果，使用最大覆盖(maximum coverage)算法得到近似最优的预算配置作为结果。

公开(公告)号：CN118170950B

公开(公告)日：2025-05-23

申请号：CN202311781141.7

申请日：2023-12-22

Applicant: 浙江大学

Inventor： 田文杰 ,  王灿 ,  史麒豪 ,  罗进开

IPC: G06F16/901 ,  G06F18/23 ,  G06F9/50

Abstract: 本发明提出了一种分布式的基于邻居节点聚类的图分割方法及装置。构建无向图以及指定的分区个数，将点集划分为若干个子集，使得每个节点均位于且仅位于其中一个子集中；满足负载均衡限制，分区大小尽可能均等；割边数量最小化，即两端处于不同分区的边的总量尽可能少。本发明基于图分割问题的LDG算法：采用邻居节点聚类的思想，将每个节点指派至邻居节点中所在最多的分区，通过将关联紧密的节点纳入同一分区降低割边的数量；对较大的分区施加线性惩罚因子，从而满足负载均衡限制。在单机LDG算法的基础上，本发明设计并实现了一套高效、易于实现，且适用于任意分区个数k的分布式并行计算方案，能在较短的运行时间内对巨型图结构完成划分。

公开(公告)号：CN117764649A

公开(公告)日：2024-03-26

申请号：CN202311679115.3

申请日：2023-12-08

Applicant: 浙江大学

Inventor： 王灿 ,  帅镇涛 ,  史麒豪

IPC: G06Q30/0242 ,  G06Q50/00

Abstract: 动态社交广告序列影响力最大化方法和装置，其方法包括：对所有的用户节点，广告节点和轮次，计算出用户u在第t轮接受广告v的概率；生成随机多轮反向可达集，对出现在已选边集的广告在可达集上做计算统计估算出影响力收益；结果集从空开始，逐轮选择每一轮的广告序列，每轮都单独地采用动态贪心策略地选择边际收益最高的广告序列加入每一轮的结果集中；对每一轮的结果集取并集得到最终的结果集。本发明可以在广告传播的过程中随时停止观察当下的传播效果，然后决定后续广告序列的选择，更加灵活，也更加高效。

公开(公告)号：CN115659007B

公开(公告)日：2023-11-14

申请号：CN202211151849.X

申请日：2022-09-21

Applicant: 浙江大学

Inventor： 王霄阳 ,  史麒豪 ,  王新宇 ,  王灿 ,  罗进开 ,  冯雁

IPC: G06F16/9535 ,  G06F16/9536 ,  G06N3/006 ,  G06Q50/00 ,  H04L51/42 ,  H04L51/52

Abstract: 本发明公开了一种基于多样性的动态影响力传播种子最小化方法，基于一个双向自适应贪婪算法的框架，采用基于鞅的影响力最大化算法(IMM)和基于鞅的多样性影响力最大化算法(DIMM)实现，算法核心是使用一种随机产生反向影响草图(RI‑Sketch)的采样方法，用于估计影响力扩散和多样性函数增益，具有良好的近似保证。本发明解决了如何以最小的成本在最少时间内使得影响力传播达到特定阈值的问题，克服了传统方法不能有效考虑多样性问题以及算法本身缺乏动态选择过程的弊端，可以在一定的扩散模型下有效选取合适的种子集合。

公开(公告)号：CN116662404A

公开(公告)日：2023-08-29

申请号：CN202310625216.6

申请日：2023-05-30

Applicant: 浙江大学

Inventor： 王灿 ,  沈跃冬 ,  史麒豪 ,  陈佳伟 ,  魏晓

IPC: G06F16/2458 ,  G06F16/29 ,  G06F16/22

Abstract: 本发明公开了一种基于地标节点的不确定图可达概率计算方法，包括：(1)将现实世界中的网络建模成为不确定图；(2)离线采样构建每个节点对应的地标节点；(3)计算每个节点到其地标节点的可达概率；(4)通过地标节点计算给定节点对之间的可达概率。本发明在保证不确定图中任意两个节点可达概率计算准确率接近主流方法的同时，提升了时间效率。

公开(公告)号：CN106933949B

公开(公告)日：2020-09-11

申请号：CN201710045529.9

申请日：2017-01-20

Applicant: 浙江大学

Inventor： 王灿 ,  史麒豪 ,  卜佳俊 ,  陈纯

IPC: G06F16/958 ,  G06Q50/00

Abstract: 一一种控制社交网络中影响力爆发的规划方法。包括以下步骤：(1)获取原始网络结构G的邻接信息，设定各个参数；(2)以逆向的广度优先搜索(BFS)随机生成指定数量的新样本加入到样本集中；(3)根据给定的预算以及爆发时间，依据最大覆盖(maximum coverage)算法估算出此时的影响力传播率，影响力传播率是被覆盖样本数与样本总数的比值；(4)根据马缰绳(martingale)原理，不断重复步骤(1)与(2)，直到影响力传播率以充分的概率保证逼近在给定预算和爆发时间下影响力传播的最优情况，此时得到最终采样结果。(5)根据最终采样结果，使用最大覆盖(maximum coverage)算法得到近似最优的预算配置作为结果。

公开(公告)号：CN106789962B

公开(公告)日：2019-07-16

申请号：CN201611095301.2

申请日：2016-12-02

Applicant: 浙江大学

Inventor： 王灿 ,  陈纯 ,  陈佳伟 ,  史麒豪 ,  卜佳俊

IPC: H04L29/06 ,  H04L12/24 ,  H04L12/58

Abstract: 一种基于临界时间的网络污染抑制方法，包括以下步骤：(1)获取原始网络结构G的邻接信息，边的传播权值以及时延函数，并抽样生成n个激活图；(2)在步骤(1)得到的每个激活图中，对于每个污染源利用BFS生成CR树；(3)基于步骤(2)得到的CR树，计算每条边的传播能力；(4)根据每条边的传播能力，找到并切除传播能力最大的边，同时计算新图的每条边的传播能力；(5)重复步骤(4)，直到切除k条边为止。此时得到最终污染抑制方案。

公开(公告)号：CN118193795A

公开(公告)日：2024-06-14

申请号：CN202410351628.X

申请日：2024-03-26

Applicant: 浙江大学

Inventor： 田文杰 ,  王灿 ,  史麒豪 ,  罗进开

IPC: G06F16/901 ,  G06Q50/00 ,  G06F17/18

Abstract: 本发明公开了一种基于多层图收缩和反向可达图采样的稀疏社交网络影响最大化方法及装置。首先对原图进行逐层收缩，得到一个结构相近，但规模更小的缩略图；然后对缩略图求解影响最大化算法，得到一个近似的种子节点集合；最后对缩略图逐层展开，恢复至原图，同时将种子节点集合逐层展开并调优，进行用户感兴趣的主题信息推送。相较影响最大化领域的现有算法，本发明可以有效地求解节点个数巨大的稀疏社交网络，通过收缩提高图结构的稠密程度，解决传统反向可达图采样算法中单次采样局部性过强、对图结构整体覆盖能力弱的问题，从而大幅降低采样所需的时空开销，同时本发明具有实现简单、近似能力良好、可扩展性强的优点。