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

Inventor： 吴伶 ,  陈志华 ,  张岐山

IPC: G06Q50/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

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。

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

Inventor： 吴伶 ,  陈志华 ,  张岐山

IPC: G06Q50/00 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

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。