公开(公告)号：CN107145527A

公开(公告)日：2017-09-08

申请号：CN201710244506.0

申请日：2017-04-14

Applicant: 东南大学

Inventor： 刘波 ,  陈巧云 ,  尹劼 ,  曹玖新 ,  罗军舟

IPC: G06F17/30 ,  G06Q50/00

CPC classification number: G06F17/3089 ,  G06Q50/01

Abstract: 本发明公开了一种对齐异构社交网络中基于元路径的链路预测方法，主要解决对齐异构社交网络中的链路预测问题（主要包括好友关系预测和位置预测），涉及到对齐异构社交网络、特征选择、链路预测等相关技术。该方法主要包括六个步骤：（a）对齐异构社交网络建模；（b）元路径的自动化提取；（c）定义基于元路径的特征值计算方法；（d）按时间戳划分数据集；（e）提出一种两阶段逐步向前贪心特征选择算法进行特征选择；（f）基于特征选择的结果训练决策树分类器进行链路预测。基于此，本发明对Foursquare和Twitter组成的对齐异构社交网络进行链路预测，对社交网络中的实体推荐、精准营销及犯罪团伙发现等具有实际应用价值。

公开(公告)号：CN105302866A

公开(公告)日：2016-02-03

申请号：CN201510611455.1

申请日：2015-09-23

Applicant: 东南大学

Inventor： 曹玖新 ,  马卓 ,  陈巧云 ,  刘波 ,  周涛

IPC: G06F17/30 ,  G06F17/27 ,  G06Q50/00

Abstract: 本发明公开了一种基于隐形狄利克雷分布 (Latent Dirichlet Allocation，简称LDA)主题模型的在线社交网络(Online Social Network，简称OSN)社区发现方法，首先进行数据集预处理；然后利用在线社交网络中用户与其好友的关系以及用户自发表达的文字信息建立基于LDA主题模型（包括LDA-F模型和LDA-T模型），求解模型概率分布；再利用吉布斯采样算法进行参数估计；最后根据估计的参数进行OSN社区发现。本发明提供的方法在不依靠网络拓扑连接信息的基础上，通过挖掘用户微博语义信息得到相应的概率模型，同时引入微博内容语义相似性，有效描述了用户兴趣爱好的概率分布情况；引入社区内部拓扑连接紧密性，挖掘内部拓扑连接相对十分紧密的社区。