-
公开(公告)号：CN112287074A
公开(公告)日：2021-01-29
申请号：CN202011351495.4
申请日：2020-11-26
Applicant: 仲恺农业工程学院
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/30
Abstract: 一种基于数据挖掘的专利信息预测系统，包括依次电连接的数据筛选模块、数据挖掘模块、数据分析模块和结果上传模块；其中：数据筛选模块从海量大数据中筛选出与关键词需求相关联的关键数据信息，数据挖掘模块基于预定规则，对关键数据信息进行数据挖掘，数据分析模块对挖掘结果进行分析，以得到关键词需求分析结果，结果上传模块将分析结果上传给服务平台以进行显示。整个导航过程实现了智能化，用智能化系统代替人工，在操作上相对简便，减少人力所耗费的时间和资源，加快了处理速度，提高效率，并且系统统计分析的结果更加精确，出错率减少。
-
公开(公告)号：CN110334285A
公开(公告)日：2019-10-15
申请号：CN201910598613.2
申请日：2019-07-04
Applicant: 仲恺农业工程学院
IPC: G06F16/9536 , G06Q50/00 , G06N20/00
Abstract: 本发明涉及社交网络服务技术领域，公开了一种基于结构平衡约束的符号网络社区发现方法，包括步骤：将符号网络以图的形式表示，构建符号网络邻接矩阵、设置结构平衡约束信息，基于半非负矩阵分解构建社区发现模型，求解社区发现模型，获得社区发现结果。本发明的方法基于结构平衡理论获取节点的结构平衡约束关系，然后作为正则约束项纳入基于半非负矩阵分解的符号网络社区发现模型进行节点社区指示矩阵的求解，最后通过判断节点社区归属强度大小获得社区划分结果，从而进一步提高社区发现质量。
-
公开(公告)号：CN110837863A
公开(公告)日：2020-02-25
申请号：CN201911078645.6
申请日：2019-11-07
Applicant: 仲恺农业工程学院
IPC: G06K9/62 , G06F16/901
Abstract: 本发明公开本发明一种基于正交鲁棒NMF的图节点聚类方法的流程图，其过程简化为：步骤一、形式化表示图数据为G＝(V,E)；步骤二、构建图数据邻接矩阵A；步骤三、基于正交鲁棒非负矩阵分解构建图节点聚类模型；步骤四、求解图节点聚类模型获得W和H矩阵；步骤五、根据矩阵H获得图节点聚类结果。本发明对节点聚簇指示矩阵施加正交约束可以进一步提高该矩阵的稀疏性并让节点聚簇归属关系更加清晰，同时通过采用L2,1范数设计目标函数提高聚类模型应对噪声的鲁棒性，从而最终可以提高图节点的聚类质量。此外，通过将正交约束转为聚类模型的正则项，并引入拉格朗日乘数法大大简化了模型的求解过程。
-
公开(公告)号：CN110334285B
公开(公告)日：2021-08-06
申请号：CN201910598613.2
申请日：2019-07-04
Applicant: 仲恺农业工程学院
IPC: G06F16/9536 , G06Q50/00 , G06N20/00
Abstract: 本发明涉及社交网络服务技术领域，公开了一种基于结构平衡约束的符号网络社区发现方法，包括步骤：将符号网络以图的形式表示，构建符号网络邻接矩阵、设置结构平衡约束信息，基于半非负矩阵分解构建社区发现模型，求解社区发现模型，获得社区发现结果。本发明的方法基于结构平衡理论获取节点的结构平衡约束关系，然后作为正则约束项纳入基于半非负矩阵分解的符号网络社区发现模型进行节点社区指示矩阵的求解，最后通过判断节点社区归属强度大小获得社区划分结果，从而进一步提高社区发现质量。
-
公开(公告)号：CN111651610A
公开(公告)日：2020-09-11
申请号：CN202010465271.X
申请日：2020-05-27
Applicant: 仲恺农业工程学院
IPC: G06F16/36 , G06F16/9535 , G06Q50/02
Abstract: 本发明涉及基于知识图谱的农产品智能推荐方法，包括如下步骤：构建农产品知识图谱；对农产品知识图谱中的农产品属性定义标签；获取用户终端上有关于农产品的浏览目标；筛选出预推荐的农产品品种名和标签；去噪处理，留下待推荐的农产品品种名和标签；形成推荐信息画像推荐至用户终端上；获取用户终端上用户浏览所述推荐信息画像中农产品品种名和/或标签的浏览顺序和浏览时间；制作农产品推荐信息词条，并推荐至用户终端。有益效果是：有助于用户准确了解到所需的农产品信息。
-
Patent Agency Ranking
公开(公告)号：CN113902091B
公开(公告)日：2025-01-07
申请号：CN202110807825.4
申请日：2021-07-16
Applicant: 仲恺农业工程学院
Abstract: 本发明涉及一种基于非线性非负矩阵分解的社区发现方法，包括以下步骤：S1：进行社交网络的形式化，生成无向图；S2：根根据无向图，引入图卷积网络GCN与NMF模型构建统一损失函数；S3：优化统一损失函数得到局部最优解；S4：根据局部最优解提取社区发现结果。引入图卷积网络GCN与NMF模型构建统一的损失函数，并进行联合训练赋予NMF非线性特征的学习能力，从而实现提高基于NMF社区发现方法性能。
-
公开(公告)号：CN113902091A
公开(公告)日：2022-01-07
申请号：CN202110807825.4
申请日：2021-07-16
Applicant: 仲恺农业工程学院
Abstract: 本发明涉及一种基于非线性非负矩阵分解的社区发现方法，包括以下步骤：S1：进行社交网络的形式化，生成无向图；S2：根根据无向图，引入图卷积网络GCN与NMF模型构建统一损失函数；S3：优化统一损失函数得到局部最优解；S4：根据局部最优解提取社区发现结果。引入图卷积网络GCN与NMF模型构建统一的损失函数，并进行联合训练赋予NMF非线性特征的学习能力，从而实现提高基于NMF社区发现方法性能。
-
公开(公告)号：CN105760426B
公开(公告)日：2018-12-21
申请号：CN201610059166.X
申请日：2016-01-28
Abstract: 本发明提出一种面向在线社交网络的主题社区挖掘方法，该方法是基于非负矩阵分解(Nonnegative Matrix Factorization，NMF)的主题社区挖掘方法，可以通过NMF模型统一集成用户节点链接和内容信息，并应用矩阵近似分解方法得到用户节点与社区之间的归属关系矩阵以及各社区与主题特征词之间的关联强度矩阵，从而可以利用分解矩阵信息直接挖掘主题社区。该方法不仅可以采用统一模型处理用户节点的链接和内容两类信息，而且挖掘过程更加简单有效，具备更好的挖掘质量，因此更适合实际应用于挖掘在线社交网络存在的主题社区。
-
公开(公告)号：CN108170725A
公开(公告)日：2018-06-15
申请号：CN201711304434.0
申请日：2017-12-11
Applicant: 仲恺农业工程学院
Abstract: 本发明涉及在线社交网络服务技术领域，提出一种集成多特征信息的社交网络用户关系强度计算方法和装置，考虑到因目前大部分计算方法均只利用了用户关系网络结构或者用户交互行为等单一类型的特征信息，并没有集成利用用户的多种特征信息进行关系强度的计算的现状，在现有对用户之间的关系研究基础之上，通过集成利用用户Profile的相似性、好友关系网络结构相似性以及交互强度等多种特征信息计算用户关系强度，能够得到更加准确的计算结果，并可以应用于提高线上的交际型网络中的好友推荐、社区发现以及信息传播等应用的性能。
-
公开(公告)号：CN105760426A
公开(公告)日：2016-07-13
申请号：CN201610059166.X
申请日：2016-01-28
CPC classification number: G06F17/30616 , G06Q50/01
Abstract: 本发明提出一种面向在线社交网络的主题社区挖掘方法，该方法是基于非负矩阵分解(Nonnegative Matrix Factorization，NMF)的主题社区挖掘方法，可以通过NMF模型统一集成用户节点链接和内容信息，并应用矩阵近似分解方法得到用户节点与社区之间的归属关系矩阵以及各社区与主题特征词之间的关联强度矩阵，从而可以利用分解矩阵信息直接挖掘主题社区。该方法不仅可以采用统一模型处理用户节点的链接和内容两类信息，而且挖掘过程更加简单有效，具备更好的挖掘质量，因此更适合实际应用于挖掘在线社交网络存在的主题社区。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
