-
公开(公告)号：CN112256756B
公开(公告)日：2022-09-23
申请号：CN202011135676.3
申请日：2020-10-22
Applicant: 重庆邮电大学
IPC: G06F16/2458 , G06F16/951 , G06F16/9536
Abstract: 本发明属于数据挖掘技术领域，具体涉及到一种基于三元关联图和知识表示的影响力发现方法，包括通过网络爬虫获取数据，并进行数据清洗；根据获取的数据源按照用户的转发行为提取热点话题下的消息传播路径和话题下的总消息以及话题下的总用户信息，构建消息‑路径‑用户三元关联图模型；根据交叉迭代策略，在构建的消息‑路径‑用户三元关联图模型上进行正反迭代打分机制来挖掘出热点话题传播的关键元素节点；得到的关键消息、关键路径和关键用户的影响力得分序列结果和相关信息存储到服务器，完成影响力发现；本发明可以帮助使用者在异构、多属性的社交网络中发现高影响力用户。
-
公开(公告)号：CN112270568B
公开(公告)日：2022-07-12
申请号：CN202011205811.7
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06Q30/02 , G06Q30/06 , G06N3/04 , G06F16/9536
Abstract: 本发明属于互联网应用技术领域，涉及电商平台营销数据分析，尤其涉及一种面向隐藏信息的社交电商平台营销活动下单率预测方法；所述方法包括提取出用户对营销活动下单行为的全部内部属性特征以及营销活动对用户下单行为的部分外部属性特征；并计算出用户的内部影响力，按照知识学习方法计算出用户的外部影响力以及用户的隐藏信息网络；采用压缩交互网络获取用户的隐特征，将隐特征填入隐藏信息网络中，利用卷积神经网络计算出用户的隐藏影响力；将三种影响力输入到全连接神经网络中，预测得到所述营销活动下用户参与下单行为的概率；本发明刻画了用户实体和营销活动实体之间的关系，能够获取实体间的隐藏关系，增强了下单率预测的准确率。
-
公开(公告)号：CN112231583B
公开(公告)日：2022-06-28
申请号：CN202011249665.8
申请日：2020-11-11
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/08
Abstract: 本发明涉及数据分析和推荐系统技术领域，具体涉及一种基于动态兴趣组标识和生成对抗网络的电商推荐方法，包括：输入用户行为数据的评分特征，使用训练好的评分预测模型进行预测，评分预测模型输出评分的预测值，根据评分的预测值生成推荐列表为用户推荐项目。本发明利用生成对抗网络补偿数据，对补偿后的数据标识兴趣组类别，解决了用户无兴趣偏好信息和兴趣泛化问题，对用户和商家都有重要的应用价值。
-
公开(公告)号：CN110675632B
公开(公告)日：2021-11-30
申请号：CN201911092778.9
申请日：2019-11-11
Applicant: 重庆邮电大学
IPC: G08G1/01 , G08G1/0968 , G06Q10/04 , G06N3/04
Abstract: 本发明属于智能交通控制领域，具体涉及一种针对多特征空间和数据稀疏的车辆短时轨迹预测控制方法，该方法包括：获取数据源；对得到数据进行处理，得到多特征空间向量模型；根据多特征空间向量构建多特征空间预测模型；将多特征空间预测模型进行融合得到最后的预测模型；获取融合后的预测结果，得到下一时段的哪些卡口会比较拥堵的信息，将这个信息发送给将要行驶到这个卡口的车辆中，改变车辆行驶的路线；本发明将多个轨迹特征空间以向量的形式表示出来，从多个角度挖掘轨迹的变化趋势，减小了数据误差。
-
公开(公告)号：CN112418525A
公开(公告)日：2021-02-26
申请号：CN202011325005.3
申请日：2020-11-24
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q50/00 , G06N3/04 , G06F16/9536 , G06F40/289
Abstract: 本发明属于社交网络分析领域，具体为一种社交话题群体行为的预测方法、装置及计算机存储介质；所述预测方法包括构建出对抗生成网络对话题数据进行数据增强；采用节点游走策略形成话题序列；以最大化概率熵为目标，提取出游走完成的话题序列的低维向量；采用融合注意力机制将数据增强后的话题数据的文本信息映射到低维的向量空间，提取出影响群体行为的文本特征因素；输入话题序列的低维向量和文本特征因素，采用卷积神经网络预测出下一时间段的潜在话题节点群体用户是否会参与热点话题的传播；本发明有效地缓解了有效数据稀疏性、话题传播特征空间复杂性和话题时限性带来的问题，提高了社交话题群体行为预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN112231583A
公开(公告)日：2021-01-15
申请号：CN202011249665.8
申请日：2020-11-11
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62 , G06N3/08
Abstract: 本发明涉及数据分析和推荐系统技术领域，具体涉及一种基于动态兴趣组标识和生成对抗网络的电商推荐方法，包括：输入用户行为数据的评分特征，使用训练好的评分预测模型进行预测，评分预测模型输出评分的预测值，根据评分的预测值生成推荐列表为用户推荐项目。本发明利用生成对抗网络补偿数据，对补偿后的数据标识兴趣组类别，解决了用户无兴趣偏好信息和兴趣泛化问题，对用户和商家都有重要的应用价值。
-
公开(公告)号：CN110837602A
公开(公告)日：2020-02-25
申请号：CN201911071659.5
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明属于数据挖掘、社交网络分析技术领域，特别涉及一种基于表示学习和多模态卷积神经网络的用户推荐方法，包括获取用户数据并进行预处理；构建网络结构特征向量和用户文本特征向量；根据网络结构特征向量计算用户相似度，利用注意力机制提取用户文本特征向量中的关键信息；构建卷积神经网络，并在卷积神经网络的卷积层之前建立一个融合层，将网络结构特征与用户文本特征的关键信息进行融合，得到网络节点矩阵；将当前时刻的待测用户的特征空间向量输入卷积神经网络，得到下一时刻待测用户可能产生的用户关系，并将预测的用户关系推送给待测用户；本发明可以有效识别用户之间的关系，并且识别过程的避免了全局运算，降低了计算复杂度。
-
公开(公告)号：CN110795641A
公开(公告)日：2020-02-14
申请号：CN201911071623.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06F40/289
Abstract: 本发明属于社交网络谣言信息控制技术领域，特别涉及一种基于表示学习的网络谣言传播控制方法，包括获取原始数据进行预处理，并对预处理后的原始数据进行时间分片；提取用户社交结构、用户历史信息、用户基本属性三个方面的相关属性向量，并将相关属性转换为低位稠密实质向量；构建图卷积神经网络，并将特征向量作为图卷积神经网的输入；利用训练数据对图卷积神经网络进行训练；图卷积神经网络输出下一个时刻用户的粉丝参与话题的概率、该粉丝参与谣言的概率以及该粉丝参与辟谣话题的概率；若该用户参与谣言的概率最大，则将辟谣消息推送给该用户；本发明使用表示学习的方法全貌表示了谣言话题下用户的特征，从而使最后的预测效果更好。
-
公开(公告)号：CN119538123A
公开(公告)日：2025-02-28
申请号：CN202411640841.9
申请日：2024-11-18
Applicant: 重庆邮电大学
IPC: G06F18/2431 , G06F18/213 , G06F16/9535 , G06F16/906 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/0442 , G06N3/08
Abstract: 本发明属于社交网络信息处理领域，具体涉及一种衍生话题网络中的关键用户识别方法、装置及系统；所述方法包括获取话题网络中的数据信息；从所述话题网络中的数据信息中提取出原生话题、衍生话题用户关系网络，原生话题、衍生话题传播网络、用户基本属性以及用户间亲密度；根据用户基本属性以及用户间亲密度，通过社区标签传播算法提取出用户特征向量表示；根据原生话题、衍生话题传播网络，通过联合分布自适应算法提取出原生话题和衍生话题的话题向量表示；将所述用户特征向量表示和所述话题向量表示输入到基于注意力机制的用户影响力动态时空模型中，输出为意见领袖用户或为长尾用户。本发明能够准确识别出衍生话题网络中的关键用户。
-
公开(公告)号：CN119415785A
公开(公告)日：2025-02-11
申请号：CN202411547948.9
申请日：2024-11-01
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06F18/213 , G06F18/27 , G06N20/00
Abstract: 本发明属于互联网应用技术领域，涉及基于小样本学习和数据增强的话题爆发初期影响力检测方法，包括：对用户关系网络以及用户基本信息进行特征提取，得到用户特征表示；从用户历史信息中提取领域特征，利用提取的领域特征得到用户领域特征表示；将用户特征表示和用户领域特征表示基于注意力机制进行加权融合；根据融合后的特征表示计算用户高影响力原型向量和低影响力原型向量；根据每个用户分别与用户高影响力原型向量和低影响力原型向量之间的距离与设定阈值之间的大小，确定当前用户的影响力；本发明能够预测用户在某话题爆发初期的行为是否会推动其发展，从而对其趋势和影响范围进行预测，可以制止某话题的恶性传播或者适当推动话题发展。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.049 seconds)
