公开(公告)号：CN113269652A

公开(公告)日：2021-08-17

申请号：CN202110543836.6

申请日：2021-05-19

Applicant: 安徽大学

Inventor： 颜登程 ,  王林祥 ,  仲红

IPC: G06Q50/00 ,  G06F16/95

Abstract: 基于从众心理的超图影响力传播方法及影响力最大化方法，本发明属于用户行为挖掘技术领域，解决图的节点之间只存在二元关系，不能很好的模拟真实世界的特性且会丢失重要信息以及超图上的影响力最大化的问题，本发明使用表达能力更强的超图来建模社会关系网络，在此基础上，提出一种在超图上的影响力传播模型并对现实生活中人们普遍存在的从众心理现象进行建模，使得该传播模型更加符合实际，基于提出的超图上传播模型，解决了图的节点之间只存在二元关系，不能很好的去模拟真实世界的特性，并且会丢失一些重要信息的缺点；采用超度的算法来解决影响力最大化问题，为超图上的影响力最大化问题提供了一种可行的解决方案。

公开(公告)号：CN115858868A

公开(公告)日：2023-03-28

申请号：CN202211536223.0

申请日：2022-12-01

Applicant: 安徽大学

Inventor： 颜登程 ,  王林祥 ,  仲红 ,  屈诗琴 ,  张以文 ,  王庆人

IPC: G06F16/901 ,  G06F16/9035 ,  G06F18/22

Abstract: 本发明公开了基于噪声图流的局部社区检测方法及其系统、终端与介质。所述检测方法用于从文件系统中以数据流的方式读取图集中每一张图中的边，这些边的集合定义为图流，通过检测图流中的每一条边获得待检测社区。所述检测方法包括：定义边的集合和节点集合；检测噪声边；扩展待检测社区的节点集合；修剪扩展后的节点集合形成所述待检测社区。本发明在面对大规模数据集时面临的巨大内存开销，以及检测的准确度容易受到图中噪声边的影响，通过流式读取的方式极大的减少了内存的开销，使得该方法能够应用于大规模数据图的应用场景，并且通过噪声边的检测以及定义了一个健壮性的节点隶属度指标来减少噪声边对社区检测准确度的影响，获得较高的准确度。