-
公开(公告)号：CN113240086A
公开(公告)日：2021-08-10
申请号：CN202110519504.4
申请日：2021-05-13
Applicant: 宿州学院
Abstract: 本发明提供了一种复杂网络链接预测方法，所述方法基于边卷积，包括以下步骤：设计边卷积运算，构建边卷积层；堆叠边卷积层，构建学习链接表示的图神经网络，更新并学习连边表示；从学习的连边表示中抽取出关联节点的表示，并对关联节点的表示进行链接预测。本发明充分利用GNN端到端学习优势和GNN本质上聚合了邻居节点的表示，提出新的边卷积神经网络学习复杂网络中边的嵌入，并将链接预测问题转化为链接分类问题，实现链接预测的研究成果与图上的深度学习技术深度融合。
-
公开(公告)号：CN113240535A
公开(公告)日：2021-08-10
申请号：CN202110519501.0
申请日：2021-05-13
Applicant: 宿州学院
Abstract: 本发明提供了社交网络社区结构对信息传播影响的分析方法及系统，所述分析方法基于零模型，包括以下步骤：构建信息传播树；应用信息传播树零模型，生成信息传播树随机化副本；分别实现信息传播树和信息传播树随机化副本的社区发现；扩展重要性剖面对信息传播树和信息传播树随机化副本的社区进行度量，进而实现社区结构对信息传播影响的分析。本发明技术方案以在线社交网络中的具体信息的传播为研究对象，探究了社区在信息传播中的作用。
-
公开(公告)号：CN113240086B
公开(公告)日：2022-12-20
申请号：CN202110519504.4
申请日：2021-05-13
Applicant: 宿州学院
Abstract: 本发明提供了一种复杂网络链接预测方法，所述方法基于边卷积，包括以下步骤：设计边卷积运算，构建边卷积层；堆叠边卷积层，构建学习链接表示的图神经网络，更新并学习连边表示；从学习的连边表示中抽取出关联节点的表示，并对关联节点的表示进行链接预测。本发明充分利用GNN端到端学习优势和GNN本质上聚合了邻居节点的表示，提出新的边卷积神经网络学习复杂网络中边的嵌入，并将链接预测问题转化为链接分类问题，实现链接预测的研究成果与图上的深度学习技术深度融合。
-
-
Search Results
3
records
(took 0.022 seconds)
