公开(公告)号：CN114978928A

公开(公告)日：2022-08-30

申请号：CN202210434908.8

申请日：2022-04-24

Applicant: 重庆邮电大学

Inventor： 苏贞 ,  李小玉

IPC: H04L41/142

Abstract: 本发明请求保护一种具有时变特性的耦合网络中社会传染的动态消息传递方法，属于协同进化动力学，社会传染、非马可夫过程等技术领域。步骤如下：步骤1：在个体驱动模型的基础上，提出一个时变多重网络的非马尔可夫社会传染模型，描述多层耦合网络中的信息和社会行为扩散过程。步骤2：使用动态消息传递理论描述时变多重网络上的非马尔可夫社会传染模型。步骤3：计算任意度分布网络的精确解。取代计算每个节点的信息，假设这些消息传递服从一定的分布概率，并基于消息传递的平均行为更新分布，计算出边缘分布，最后在任意时间步长计算网络处于任何状态的节点的比例。

公开(公告)号：CN116416079A

公开(公告)日：2023-07-11

申请号：CN202310210933.2

申请日：2023-03-07

Applicant: 重庆邮电大学

Inventor： 苏贞 ,  李小玉 ,  于彩艳

IPC: G06Q50/00 ,  G06F16/9535 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明为一种基于图卷积神经网络的社区发现方法及系统，建造了一种基于图卷积神经网络的深度学习模型，通过使用Louvain算法检测在t1和t2时刻网络中的社团，结合计算团体在t1和t2时的互信息，能够充分评估和衡量图卷积神经网络模型的性能；同时配合参数敏感性分析，从而充分利用动态网络的拓扑结构和网络中节点所附带的内容信息，使得基于该图卷积神经网络模型的社区发现方法提高了社区发现的效率，相较于现有的方法具有更好的客观性和可操作性，对于寻找更加准确的社区结构具有重要意义。