公开(公告)号：CN112052940B

公开(公告)日：2023-11-24

申请号：CN202010873148.1

申请日：2020-08-26

Applicant: 西安电子科技大学

Inventor： 张琛 ,  李春奕 ,  鱼滨 ,  解宇 ,  樊一鸣 ,  徐鑫航

IPC: G06F18/213 ,  G06F18/22 ,  G06F18/2415 ,  G06N3/094 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0895 ,  G06N3/084 ,  G06Q50/00

Abstract: 本发明公开了一种基于向量压缩与重构的社交网络特征动态提取方法。其步骤为：(1)生成训练集；(2)构建深度半监督自编码器网络；(3)构造生成对抗网络；(4)训练网络；(5)在生成对抗网络中完成对社交网络的动态特征提取。本发明搭建并训练了深度半监督自编码器网络，能更好地捕获高阶的社交网络结构信息，基于生成对抗网络的动态特征提取方法，使得本发明在处理大型社交网络时有着较短的处理时间和较大的空间利用率。

公开(公告)号：CN112052940A

公开(公告)日：2020-12-08

申请号：CN202010873148.1

申请日：2020-08-26

Applicant: 西安电子科技大学

Inventor： 张琛 ,  李春奕 ,  鱼滨 ,  谢宇 ,  樊一鸣 ,  徐鑫航

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/46 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明公开了一种基于向量压缩与重构的社交网络特征动态提取方法。其步骤为：(1)生成训练集；(2)构建深度半监督自编码器网络；(3)构造生成对抗网络；(4)训练网络；(5)在生成对抗网络中完成对社交网络的动态特征提取。本发明搭建并训练了深度半监督自编码器网络，能更好地捕获高阶的社交网络结构信息，基于生成对抗网络的动态特征提取方法，使得本发明在处理大型社交网络时有着较短的处理时间和较大的空间利用率。