-
公开(公告)号：CN104391887A
公开(公告)日：2015-03-04
申请号：CN201410629873.9
申请日：2014-11-10
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30867 , G06Q50/01
Abstract: 本发明公开了一种基于网络结构优化的节点属性划分朋友圈的方法，包括：建立特征向量步骤；计算朋友之间的曼哈顿距离步骤；选定核心朋友步骤；划分社团步骤；社团优化调整步骤。本发明先使用节点属性进行初步的社团划分，然后利用网络结构信息对于划分结果进一步优化调整，充分利用在线社交网络中可以获取到的信息，能够获得更加准确的社团划分结果，从而实现对用户的朋友圈自动分组，能够有效完善社交网络平台功能，适用于社交网络平台功能的应用和优化。
-
公开(公告)号：CN104391887B
公开(公告)日：2018-01-12
申请号：CN201410629873.9
申请日：2014-11-10
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于网络结构优化的节点属性划分朋友圈的方法，包括：建立特征向量步骤；计算朋友之间的曼哈顿距离步骤；选定核心朋友步骤；划分社团步骤；社团优化调整步骤。本发明先使用节点属性进行初步的社团划分，然后利用网络结构信息对于划分结果进一步优化调整，充分利用在线社交网络中可以获取到的信息，能够获得更加准确的社团划分结果，从而实现对用户的朋友圈自动分组，能够有效完善社交网络平台功能，适用于社交网络平台功能的应用和优化。
-
Patent Agency Ranking
公开(公告)号：CN106997377A
公开(公告)日：2017-08-01
申请号：CN201710128034.2
申请日：2017-03-06
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F16/903 , G06F16/9024
Abstract: 本发明公开了一种基于特征图的非精确子图匹配方法，根据点的标签找到查询图中的每个点的匹配候选集，然后对查询图及候选集中的每个点根据特征图建立索引。根据索引计算差异向量后得到查询图中的点与它的每个候选匹配结点之间的差异值，选取差异值最小的点对作为初始匹配映射，然后通过迭代得到最终的匹配映射。本发明在匹配时强化了结构信息对匹配结果的影响，大大提高了非精确匹配的精度，同时有效地减少子图匹配所需的时间，提高子图匹配的效率。
-
公开(公告)号：CN104281956A
公开(公告)日：2015-01-14
申请号：CN201410583981.7
申请日：2014-10-27
Applicant: 南京信息工程大学
IPC: G06Q30/00
Abstract: 本发明涉及一种基于时间信息的适应用户兴趣变化的动态推荐方法，包括：构建用户-物品的显式评分矩阵；构建用户-物品的隐式评分矩阵；构建用户-物品综合评分矩阵；计算两两用户之间的相似性；获取与目标用户相似度靠前的K位用户作为目标用户的近邻集合；选取单调递减的指数时间函数作为评分权重函数，根据用户的评分所体现的兴趣变化趋势不同，计算评分权重函数中每位用户的权重因子；采用TOP-N推荐方法，将预测得分靠前的N项物品推荐给用户。本发明考虑用户兴趣随时间的变化，为其提供更加精确的个性化物品推荐服务。
-
公开(公告)号：CN104281956B
公开(公告)日：2018-09-07
申请号：CN201410583981.7
申请日：2014-10-27
Applicant: 南京信息工程大学
IPC: G06Q30/00
Abstract: 本发明涉及一种基于时间信息的适应用户兴趣变化的动态推荐方法，包括：构建用户‑物品的显式评分矩阵；构建用户‑物品的隐式评分矩阵；构建用户‑物品综合评分矩阵；计算两两用户之间的相似性；获取与目标用户相似度靠前的K位用户作为目标用户的近邻集合；选取单调递减的指数时间函数作为评分权重函数，根据用户的评分所体现的兴趣变化趋势不同，计算评分权重函数中每位用户的权重因子；采用TOP‑N推荐方法，将预测得分靠前的N项物品推荐给用户。本发明考虑用户兴趣随时间的变化，为其提供更加精确的个性化物品推荐服务。
-
公开(公告)号：CN104317904B
公开(公告)日：2017-09-05
申请号：CN201410579139.6
申请日：2014-10-24
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种带权重社会网络的泛化方法，包括：对节点依节点度进行降序排序并分组；泛化已经存在的边的权重，并计算边存在概率；根据匿名组内节点度数不相同的情况寻找候选节点作为新邻居，增加边、安排新边权重并计算边存在概率；遍历所有匿名组集后抽取所有节点敏感属性形成敏感属性包；计算节点间的敏感属性包的最大相似性，根据泛化树，得到敏感属性包的泛化包；遍历K‑权重匿名组集，得到满足K‑Weighted‑inv‑l‑diversity anonymous图。与现有技术相比，本发明考虑了边的权重，并且考虑了多敏感属性的问题，使得隐私保护方法更加适用于实际的社会网络，可以更好地保护带权重图中的多敏感属性。
-
公开(公告)号：CN104317904A
公开(公告)日：2015-01-28
申请号：CN201410579139.6
申请日：2014-10-24
Applicant: 南京信息工程大学
IPC: G06F17/30
CPC classification number: G06F17/30663 , G06F17/30687
Abstract: 本发明公开了一种带权重社会网络的泛化方法，包括：对节点依节点度进行降序排序并分组；泛化已经存在的边的权重，并计算边存在概率；根据匿名组内节点度数不相同的情况寻找候选节点作为新邻居，增加边、安排新边权重并计算边存在概率；遍历所有匿名组集后抽取所有节点敏感属性形成敏感属性包；计算节点间的敏感属性包的最大相似性，根据泛化树，得到敏感属性包的泛化包；遍历K-权重匿名组集，得到满足K-Weighted-inv-l-diversityanonymous图。与现有技术相比，本发明考虑了边的权重，并且考虑了多敏感属性的问题，使得隐私保护方法更加适用于实际的社会网络，可以更好地保护带权重图中的多敏感属性。
-
-
-
-
-
-
Search Results
7
records
(took 0.01 seconds)
