公开(公告)号：CN110110094A

公开(公告)日：2019-08-09

申请号：CN201910323380.5

申请日：2019-04-22

Applicant: 华侨大学

Inventor： 李弼程 ,  王瑞 ,  杜文倩 ,  郁友琴 ,  马海江

IPC: G06F16/36 ,  G06F16/9535 ,  G06Q50/00

Abstract: 本发明公开了基于社交网络知识图谱的跨网络人物关联方法，属于知识图谱与社交网络分析领域，包括以下步骤：步骤1.训练词向量；步骤2.发现候选实体；步骤3.根据社交网络知识图谱的结构特征，计算网络度量指标；步骤4.用户向量生成；步骤5.定义社交网络结构相似度和用户画像语义相似度；步骤6.融合相似度计算，根据融合相似度确定待关联的人物实体的跨网络人物关联的最终节点。该发明可用于社交网络中挖掘用户信息，发现重要节点，也可以用作对重要节点信息的补全，为精准推荐提供数据支撑。

公开(公告)号：CN111125540A

公开(公告)日：2020-05-08

申请号：CN201911100389.6

申请日：2019-11-12

Applicant: 华侨大学

Inventor： 李弼程 ,  马海江 ,  王瑞 ,  王成

IPC: G06F16/9536 ,  G06F16/36

Abstract: 本发明提出一种融合知识图谱表示学习和偏置矩阵分解的推荐方法，结合了知识表示学习、基于偏置矩阵分解和梯度下降的优化方法。首先，通过现有知识库构建项目推荐的知识图谱；其次，利用知识图谱表示学习将项目实体嵌入低维的向量空间，接着，利用相似度函数计算低维向量空间中项目之间的相似性，最后，将相似性潜在因子融入偏置矩阵分解模型中，以此融入项目间的隐含信息。本发明提高评分预测的准确性从而有效的提高推荐的成功率和精准度。

公开(公告)号：CN110110094B

公开(公告)日：2022-07-01

申请号：CN201910323380.5

申请日：2019-04-22

Applicant: 华侨大学

Inventor： 李弼程 ,  王瑞 ,  杜文倩 ,  郁友琴 ,  马海江

IPC: G06F16/36 ,  G06F16/9535 ,  G06Q50/00

Abstract: 本发明公开了基于社交网络知识图谱的跨网络人物关联方法，属于知识图谱与社交网络分析领域，包括以下步骤：步骤1.训练词向量；步骤2.发现候选实体；步骤3.根据社交网络知识图谱的结构特征，计算网络度量指标；步骤4.用户向量生成；步骤5.定义社交网络结构相似度和用户画像语义相似度；步骤6.融合相似度计算，根据融合相似度确定待关联的人物实体的跨网络人物关联的最终节点。该发明可用于社交网络中挖掘用户信息，发现重要节点，也可以用作对重要节点信息的补全，为精准推荐提供数据支撑。