一种建立社交组的方法和装置

    公开(公告)号:CN104052651B

    公开(公告)日:2017-09-12

    申请号:CN201410242171.5

    申请日:2014-06-03

    IPC分类号: H04L12/58 G06F17/30

    摘要: 本发明公开了一种建立社交组的方法和装置,属于互联网技术领域。所述方法包括:确定与目标账户具有社交关联的各账户,并确定所述各账户中存在的账户之间的社交关联和所述各账户的预设账户属性的属性信息;根据所述各账户的预设账户属性的属性信息,建立属性信息与账户的对应关系;根据所述属性信息与账户的对应关系,以及所述各账户中存在的账户之间的社交关联,在所述各账户中确定所述目标账户的至少一个社交组。采用本发明,可以提高建立社交组的效率。

    一种基于双吸引度计算的社交网络陌生交友推荐方法及系统

    公开(公告)号:CN105574139B

    公开(公告)日:2017-08-01

    申请号:CN201510937707.X

    申请日:2015-12-14

    IPC分类号: G06F17/30 G06Q50/00

    摘要: 本发明公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及系统,属于互联网技术领域,首先通过识别处于社交探索期的用户,构建社交探索期用户列表;然后根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;最后,根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在:该方法通过识别社交探索期的用户,只为社交探索期的用户推荐其它社交探索期的用户,杜绝对用户的骚扰。同时,通过设计“双吸引指数”概率计算模型,推荐相匹配的用户,提高推荐的准确度。

    一种基于动态社团识别的社交网络交友推荐方法及系统

    公开(公告)号:CN105574131B

    公开(公告)日:2017-04-26

    申请号:CN201510933275.5

    申请日:2015-12-14

    IPC分类号: G06F17/30 G06Q50/00

    摘要: 本发明公开了一种基于动态社团识别的社交网络交友推荐方法及系统,属于互联网技术领域。系统功能主要由以下四部分组成:社团识别模块,社团分类模块,好友推荐模块以及结果展示模块。基于动态社团识别的社交网络交友推荐方法,包括以下步骤:步骤一,从用户设计关系数据库中获得用户二度好友列表,进行社团识别,同时计算社团相关性指标;步骤二,基于社团相关性指标计算结果,对所得到的社团进行分类;步骤三,根据社团分类结果,进行好友推荐,并通过社团类别展示好友推荐结果。该方法通过动态社团识别以及社团属性分析的方法,来找到并推荐用户可能感兴趣的人。

    一种基于地理位置变更的移动社交网络好友推荐方法及系统

    公开(公告)号:CN105471715A

    公开(公告)日:2016-04-06

    申请号:CN201510937500.2

    申请日:2015-12-14

    IPC分类号: H04L12/58 H04W4/20 G06Q50/00

    摘要: 本发明公开了一种基于地理位置变更的移动社交网络好友推荐方法及系统,属于互联网技术领域。首先,定时记录用户的地理位置信息,并将地理位置信息存入地理位置数据库中,进行整理、转换;其次,将用户所经过的全部历史地理位置进行分类,并识别这些历史地理位置属于途经地、曾短期停留、曾长期停留或初次到达;再次,实时识别用户当前的地理位置是否变更,若变更,记录变更的时长,根据时长的不同,选择推荐老朋友或者新朋友;最后,根据推荐结果,判断当前地理位置的类别,并展示出不同的推荐结果。本发明不仅能够帮助用户推荐迁往新的地方时结交新的朋友,且帮用户在出游时,推荐处于出游地的老朋友,帮助用户维系旧的好友关系。

    一种基于地理位置变更的移动社交网络好友推荐方法

    公开(公告)号:CN105471715B

    公开(公告)日:2017-06-06

    申请号:CN201510937500.2

    申请日:2015-12-14

    IPC分类号: H04L12/58 H04W4/20 G06Q50/00

    摘要: 本发明公开了一种基于地理位置变更的移动社交网络好友推荐方法及系统,属于互联网技术领域。首先,定时记录用户的地理位置信息,并将地理位置信息存入地理位置数据库中,进行整理、转换;其次,将用户所经过的全部历史地理位置进行分类,并识别这些历史地理位置属于途经地、曾短期停留、曾长期停留或初次到达;再次,实时识别用户当前的地理位置是否变更,若变更,记录变更的时长,根据时长的不同,选择推荐老朋友或者新朋友;最后,根据推荐结果,判断当前地理位置的类别,并展示出不同的推荐结果。本发明不仅能够帮助用户推荐迁往新的地方时结交新的朋友,且帮用户在出游时,推荐处于出游地的老朋友,帮助用户维系旧的好友关系。

    一种基于动态社团识别的社交网络交友推荐方法及系统

    公开(公告)号:CN105574131A

    公开(公告)日:2016-05-11

    申请号:CN201510933275.5

    申请日:2015-12-14

    IPC分类号: G06F17/30 G06Q50/00

    摘要: 本发明公开了一种基于动态社团识别的社交网络交友推荐方法及系统,属于互联网技术领域。系统功能主要由以下四部分组成:社团识别模块,社团分类模块,好友推荐模块以及结果展示模块。基于动态社团识别的社交网络交友推荐方法,包括以下步骤:步骤一,从用户设计关系数据库中获得用户二度好友列表,进行社团识别,同时计算社团相关性指标;步骤二,基于社团相关性指标计算结果,对所得到的社团进行分类;步骤三,根据社团分类结果,进行好友推荐,并通过社团类别展示好友推荐结果。该方法通过动态社团识别以及社团属性分析的方法,来找到并推荐用户可能感兴趣的人。

    一种基于双吸引度计算的社交网络陌生交友推荐方法及系统

    公开(公告)号:CN105574139A

    公开(公告)日:2016-05-11

    申请号:CN201510937707.X

    申请日:2015-12-14

    IPC分类号: G06F17/30 G06Q50/00

    摘要: 本发明公开了一种基于双吸引度计算的社交网络陌生交友推荐方法及系统,属于互联网技术领域,首先通过识别处于社交探索期的用户,构建社交探索期用户列表;然后根据社交探索期的用户个人属性,计算两个处于社交探索期的用户的双吸引指数,得出二者的匹配程度;最后,根据匹配程度将推荐结果动态展示给社交探索期的用户。该方法较现有方法优势主要体现在:该方法通过识别社交探索期的用户,只为社交探索期的用户推荐其它社交探索期的用户,杜绝对用户的骚扰。同时,通过设计“双吸引指数”概率计算模型,推荐相匹配的用户,提高推荐的准确度。

    一种建立社交组的方法和装置

    公开(公告)号:CN104052651A

    公开(公告)日:2014-09-17

    申请号:CN201410242171.5

    申请日:2014-06-03

    IPC分类号: H04L12/58 G06F17/30

    摘要: 本发明公开了一种建立社交组的方法和装置,属于互联网技术领域。所述方法包括:确定与目标账户具有社交关联的各账户,并确定所述各账户中存在的账户之间的社交关联和所述各账户的预设账户属性的属性信息;根据所述各账户的预设账户属性的属性信息,建立属性信息与账户的对应关系;根据所述属性信息与账户的对应关系,以及所述各账户中存在的账户之间的社交关联,在所述各账户中确定所述目标账户的至少一个社交组。采用本发明,可以提高建立社交组的效率。

    数据网络图的嵌入方法、装置、计算机设备和存储介质

    公开(公告)号:CN117523361A

    公开(公告)日:2024-02-06

    申请号:CN202210909021.X

    申请日:2022-07-29

    摘要: 本申请涉及一种数据网络图的嵌入方法、装置、计算机设备、存储介质和计算机程序产品。所述方法可应用于人工智能和智能交通网领域,包括:通过第一网络嵌入模型对数据网络图和负样本网络图进行节点特征提取,得到正样本嵌入向量和负样本嵌入向量;通过第一网络嵌入模型对数据网络图的第一增强图和第二增强图进行节点特征提取,得到第一全局嵌入向量和第二全局嵌入向量;确定第一匹配度和第二匹配度;依据第一匹配度和第二匹配度确定的损失值调整第一网络嵌入模型的参数;基于调整后的第一网络嵌入模型对数据网络图进行节点特征提取,得到用于对数据网络图中各节点分类的嵌入向量。采用本方法能提取出鲁棒的嵌入向量以提高数据网络图的分类效果。

    节点检测模型的训练方法、装置和计算机设备

    公开(公告)号:CN117521770A

    公开(公告)日:2024-02-06

    申请号:CN202210910248.6

    申请日:2022-07-29

    摘要: 本申请涉及一种节点检测模型的训练方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括:通过待训练的节点检测模型,对样本子图进行编码处理得到上下文嵌入矩阵,对目标节点进行编码处理得到节点嵌入向量;对上下文嵌入矩阵进行整合处理,得到样本子图嵌入向量;基于样本子图嵌入向量与节点嵌入向量在嵌入空间中的融合程度,获得上下文异常损失,并根据上下文异常损失确定目标异常损失;基于样本子图嵌入向量与节点嵌入向量间的相似程度,确定嵌入对比损失;根据目标异常损失和嵌入对比损失构建目标损失函数,并通过目标损失函数对待训练的节点检测模型进行迭代训练,可以提高模型对嵌入特征的学习和对异常预测的能力。