-
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：CN104901956B
公开(公告)日：2017-12-08
申请号：CN201510261038.9
申请日：2015-05-19
Applicant: 仲恺农业工程学院 , 华南师范大学 , 广州唐发信息科技有限公司
IPC: H04L29/06
Abstract: 本发明涉及一种网络社区用户认证方法及认证系统，该方法通过已认证用户向认证系统发起对未认证用户的担责认证请求，再通过已认证用户对未认证用户进行自助认证的方式来实现对未认证用户的线上认证，这相当于把每一位已认证用户扩展为“网络社区管理员”，采用自助认证的方式可大大提高用户认证的效率，同时，这种认证方式是基于线下已认证用户对未认证用户情况的熟知，因此使用本方法能够保证未认证用户信息的高度真实性。
-
Patent Agency Ranking
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：CN104901956A
公开(公告)日：2015-09-09
申请号：CN201510261038.9
申请日：2015-05-19
Applicant: 仲恺农业工程学院 , 华南师范大学 , 广州唐发信息科技有限公司
IPC: H04L29/06
Abstract: 本发明涉及一种网络社区用户认证方法及认证系统，该方法通过已认证用户向认证系统发起对未认证用户的担责认证请求，再通过已认证用户对未认证用户进行自助认证的方式来实现对未认证用户的线上认证，这相当于把每一位已认证用户扩展为“网络社区管理员”，采用自助认证的方式可大大提高用户认证的效率，同时，这种认证方式是基于线下已认证用户对未认证用户情况的熟知，因此使用本方法能够保证未认证用户信息的高度真实性。
-
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：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。
-
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
