-
公开(公告)号：CN111292197A
公开(公告)日：2020-06-16
申请号：CN202010056692.7
申请日：2020-01-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于卷积神经网络和自编码器的社区发现方法。该方法：首先，通过网络空间结构重构策略对邻接矩阵进行重构得到空间邻近矩阵，空间邻近矩阵保留了节点连接情况的同时还能把节点网络拓扑结构上的邻近性映射到空间邻近矩阵，有利于卷积神经网络对网络拓扑空间邻近性的特征学习；其次，构建了基于卷积神经网络和自编码器的组合模型，自主学习网络拓扑空间特征，得到网络空间特征向量，以便能够应用于社区发现等具体网络分析应用服务；接着，在上述研究得到的网络空间特征向量基础上，应用K-means聚类算法实现社交网络上的社区发现。本发明方法能够探测社区结构，从而揭示真实网络的拓扑结构等，进而有效地预测网络用户行为和信息传播等。
-
Patent Agency Ranking
公开(公告)号：CN113095946B
公开(公告)日：2022-10-04
申请号：CN202110469727.4
申请日：2021-04-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于联邦标签传播的保险客户推荐方法，将多家保险公司作为参与方，生成对应网络图，进行加密节点匹配，得到各方重叠节点集，参与方将节点的邻接矩阵进行同态加密后发送给协调端，协调端在密态下对各参与方的邻接矩阵进行计算，各参与方联合协调端发送回来的结果在本地进行节点重要性，节点相似度与邻居节点重要性的计算，每个节点根据邻居节点的标签与重要性，迭代更新自身的标签直至与前一次迭代所发现的社区相同，最终发现社区分布，从而可以向客户精准推荐保险产品。本发明能够在不损失准确性的前提下联合多家保险公司的客户数据进行社区发现，在提升了准确度的同时最大限度的保护各家保险公司的客户信息隐私。
-
公开(公告)号：CN113095946A
公开(公告)日：2021-07-09
申请号：CN202110469727.4
申请日：2021-04-28
Applicant: 福州大学
Abstract: 本发明涉及一种基于联邦标签传播的保险客户推荐方法，将多家保险公司作为参与方，生成对应网络图，进行加密节点匹配，得到各方重叠节点集，参与方将节点的邻接矩阵进行同态加密后发送给协调端，协调端在密态下对各参与方的邻接矩阵进行计算，各参与方联合协调端发送回来的结果在本地进行节点重要性，节点相似度与邻居节点重要性的计算，每个节点根据邻居节点的标签与重要性，迭代更新自身的标签直至与前一次迭代所发现的社区相同，最终发现社区分布，从而可以向客户精准推荐保险产品。本发明能够在不损失准确性的前提下联合多家保险公司的客户数据进行社区发现，在提升了准确度的同时最大限度的保护各家保险公司的客户信息隐私。
-
公开(公告)号：CN112629552A
公开(公告)日：2021-04-09
申请号：CN202110000870.9
申请日：2021-01-04
Applicant: 福州大学
Abstract: 本发明提出一种基于通信均衡的图分区的机动车最短行车路线规划方法，针对生活中的机动车行车路线规划问题，提出基于通信均衡的图分区的机动车最短行车路线规划方法。保证在计算行车路线时各网络分区计算的负载均衡，减少跨网络传输量。根据收录在数据库的道路信息构建出可进行图分区的道路网络，使用这种方法可以高效、准确地对复杂道路网络进行分区，并能够在各网络分区中并行地计算批量的行车最短路线。
-
公开(公告)号：CN112629552B
公开(公告)日：2022-06-07
申请号：CN202110000870.9
申请日：2021-01-04
Applicant: 福州大学
Abstract: 本发明提出一种基于通信均衡的图分区的机动车最短行车路线规划方法，针对生活中的机动车行车路线规划问题，提出基于通信均衡的图分区的机动车最短行车路线规划方法。保证在计算行车路线时各网络分区计算的负载均衡，减少跨网络传输量。根据收录在数据库的道路信息构建出可进行图分区的道路网络，使用这种方法可以高效、准确地对复杂道路网络进行分区，并能够在各网络分区中并行地计算批量的行车最短路线。
-
公开(公告)号：CN111275562A
公开(公告)日：2020-06-12
申请号：CN202010056877.8
申请日：2020-01-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于递归卷积神经网络和自编码器的动态社区发现方法。该方法：首先，构建基于卷积神经网络的网络空间特征学习模型，学习网络的空间拓扑特征得到网络空间特征向量；其次，融合基于卷积神经网络的网络空间特征学习模型，以网络空间特征向量作为模型的输入，构建基于递归神经网络、卷积神经网络和自编码器的网络时空特征学习模型，学习网络的时空特征得到网络时空特征向量；最后，在网络时空特征向量基础上进行社区发现，以探测出社交网络的动态社区结构。本发明方法可应用于分析社交网络，自主学习并提取出社交网络时空特征，并且可进一步提升社区结构的模块度，从而揭示真实网络的拓扑结构等，进而有效地预测网络用户行为和信息传播等。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
