公开(公告)号：CN114357264A

公开(公告)日：2022-04-15

申请号：CN202111511187.8

申请日：2021-12-03

Applicant: 之江实验室

Inventor： 余婷 ,  姜婷 ,  佳维 ,  张吉 ,  赵琛

IPC: G06F16/906

Abstract: 本发明公开了基于SOMEi数据结构回退重构的动态极大团枚举方法，该方法利用数据结构SOMEi（其中包括v‑header候选团和ICTree结构）对图中存在的极大团进行存储，并在图发生改变的过程中，动态更新SOMEi结构，动态枚举图中的极大团，同时可以动态枚举某一序号区间内节点构成的图中存在的所有极大团。本发明在动态极大团枚举的过程中，不区分图的增边减边变化，实现了在图的增减边混合更新以及大批量更新下极大团的枚举，提高动态极大团枚举的时间效率。

公开(公告)号：CN114943019A

公开(公告)日：2022-08-26

申请号：CN202210448476.6

申请日：2022-04-27

Applicant: 之江实验室

Inventor： 余婷 ,  张阳 ,  张吉 ,  佳维 ,  王彪

IPC: G06F16/903 ,  G06F16/901

Abstract: 本发明属于图数据挖掘技术领域，公开了一种基于双层权重网络随机游走的top 非重叠多样化社区发现方法，包括如下步骤：步骤一：属性图数据、参数输入；步骤二：构造结构紧密性权重网络；步骤三：构造属性多样化增益权重网络；步骤四：基于双层权重网络的标签传播；步骤五：计算多样化社区度量，排序输出前个结果。本发明通过在原属性图基础上构造紧密度权重网络和属性多样化增益权重网络，实现在社区挖掘的过程中同时使用结构紧密和属性多样化双重约束。本方法在设计辅助网络权重时，通过引入几个超参数，使得算法具有灵活性和泛化性，可以根据实际应用的需要来调节属性约束和结构约束所占的比重。

公开(公告)号：CN114863119A

公开(公告)日：2022-08-05

申请号：CN202210424210.8

申请日：2022-04-22

Applicant: 之江实验室

Inventor： 张阳 ,  余婷 ,  张吉 ,  王彪 ,  佳维

IPC: G06V10/40 ,  G06V10/762 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图数据挖掘领域，公开了一种基于三重视图神经网络模型的多样化社区检测方法，包括一：从输入的属性图中提取特征；二：将输入的序列信息通过编码器转换成一个指定长度的中间语义向量Z，中间语义向量Z蕴含了X中的信息；三：对输出向量Z进行结构紧密属性多样化聚类；四：解码器对Encoder生成的Z作为输入，解码出目标序列，从而得到Decoder输出序列，用异构损失、聚类损失、以及X与之间的重构信息损失共同构造损失函数，通过对损失函数最小化的方法对模型进行训练求解。本发明通过对属性图上的结构信息、属性信息、异构信息三个视图分别进行构造以及嵌入学习，能有效地挖掘结构紧密、属性多样化的社区结构。