-
公开(公告)号：CN115333945A
公开(公告)日：2022-11-11
申请号：CN202210776030.6
申请日：2022-07-03
Applicant: 复旦大学
IPC: H04L41/12 , H04L41/14 , H04L41/142 , H04L51/52 , G06Q50/00
Abstract: 本发明属于大规模网络数据分析技术领域，具体为一种在线社交网络的局部拓扑推断方法。本发明采用独立级联模型作为信息动力学传播的模型，通过观察到的级联结果推断出具有N个节点的网络的部分连边；即当指定关键节点集合时，目标是推断出集合中所有节点周围的连边，包括从这些节点指出的连边以及指向这些节点的所有连边。本发明立足于在线社交网络，充分把握在线社交网络规模大、连边稀疏、异质性强的特点，考虑信息传播的有向性，针对网络中的关键节点，提出对关键节点进行前向邻居推断和后向邻居推断的网络局部推断算法，得到以关键节点前向和后向邻居组成的局部网络拓扑。与全局网络拓扑推断算法相比，局部拓扑推断的算法准确性率著提高。
-
公开(公告)号：CN115001982B
公开(公告)日：2024-02-02
申请号：CN202210693996.3
申请日：2022-06-19
Applicant: 复旦大学
Abstract: 本发明属于大规模网络数据分析技术领域，具体为基于节点重要性估计的在线社交网络拓扑推断方法。本发明包括：依托独立级联模型，利用每个节点在每次传播中获得信息的时刻作为推断的依据，从一个空图开始，对每个节点对遍历，利用蒙特卡洛采样方法解决似然函数最大化问题；由于网络的异质性，引入能够反映节点重要性的偏置项，估计节点重要性，实现考虑节点重要性的网络拓扑推断；在已知网络先验知识时，提取表征节点重要性指标，根据带有节点重要性的网络拓扑推断算法重构网络；在未知网络先验知识时，估计节点重要性，使用带有节点重要性的网络拓扑推断算法重构网络。本发明在有无网络先验知识下都可以重构社交网络，并提高了推断的准确性。
-
公开(公告)号：CN115001982A
公开(公告)日：2022-09-02
申请号：CN202210693996.3
申请日：2022-06-19
Applicant: 复旦大学
Abstract: 本发明属于大规模网络数据分析技术领域，具体为基于节点重要性估计的在线社交网络拓扑推断算法。本发明包括：依托独立级联模型，利用每个节点在每次传播中获得信息的时刻作为推断的依据，从一个空图开始，对每个节点对遍历，利用蒙特卡洛采样方法解决似然函数最大化问题；由于网络的异质性，引入能够反映节点重要性的偏置项，估计节点重要性，实现考虑节点重要性的网络拓扑推断；在已知网络先验知识时，提取表征节点重要性指标，根据带有节点重要性的网络拓扑推断算法重构网络；在未知网络先验知识时，估计节点重要性，使用带有节点重要性的网络拓扑推断算法重构网络。本发明在有无网络先验知识下都可以重构社交网络，并提高了推断的准确性。
-
公开(公告)号：CN115333945B
公开(公告)日：2023-06-16
申请号：CN202210776030.6
申请日：2022-07-03
Applicant: 复旦大学
IPC: H04L41/12 , H04L41/14 , H04L41/142 , H04L51/52 , G06Q50/00
Abstract: 本发明属于大规模网络数据分析技术领域，具体为一种在线社交网络的局部拓扑推断方法。本发明采用独立级联模型作为信息动力学传播的模型，通过观察到的级联结果推断出具有N个节点的网络的部分连边；即当指定关键节点集合时，目标是推断出集合中所有节点周围的连边，包括从这些节点指出的连边以及指向这些节点的所有连边。本发明立足于在线社交网络，充分把握在线社交网络规模大、连边稀疏、异质性强的特点，考虑信息传播的有向性，针对网络中的关键节点，提出对关键节点进行前向邻居推断和后向邻居推断的网络局部推断算法，得到以关键节点前向和后向邻居组成的局部网络拓扑。与全局网络拓扑推断算法相比，局部拓扑推断的算法准确性率著提高。
-
-
-
Search Results
4
records
(took 0.018 seconds)
