公开(公告)号：CN117314671A

公开(公告)日：2023-12-29

申请号：CN202311326796.5

申请日：2023-10-13

Applicant: 安徽大学

Inventor： 张磊 ,  吴泽奇 ,  周芃 ,  杨海鹏 ,  张吴忌

IPC: G06Q50/00 ,  G06N3/0464 ,  G06N5/022 ,  G06F18/22 ,  G06N3/0455 ,  G06F16/901

Abstract: 本发明公开了一种基于特征图增强的网络嵌入的社团检测方法，关注特征图的信息，并将其与拓扑结构和特征嵌入相结合进行社区检测，可以利用节点在特征空间的关系实现更可靠的社团检测分析，最后通过伯努利泊松分布模型将节点聚集到对应的社团，充分利用特征空间中节点的关系，并将其与拓扑图和特征嵌入相结合，并通过具有注意机制的分层融合方法将它们的特征进行融合，从而实现更高质量的社团检测。本发明能够有效且高效地对复杂网络进行社团检测，能够使得检测出来的社团内部节点之间的链接较社团之间的紧密，同时社团内部的节点具有较好的属性相似性，更加体现了社团的同质性，本发明能够为复杂网络的分析等研究提供有力的支持。

公开(公告)号：CN114201690B

公开(公告)日：2025-04-22

申请号：CN202111544505.0

申请日：2021-12-16

Applicant: 安徽大学

Inventor： 张磊 ,  张华彬 ,  李斌 ,  张吴忌

IPC: G06F16/9536 ,  G06F18/25 ,  G06F18/22 ,  G06Q50/00

Abstract: 本发明公开了一种融合社团信息和局部信息的社交网络好友预测方法，包括以下步骤：利用社团检测算法对社交网络进行预处理，得到网络的社团结构；通过利用社团信息对用户之间的边进行加权，更精确的反映用户之间的关系；k层概率传播；计算用户相似度矩阵；用户节点相似度排序。该方法利用概率传播方法预测用户与用户之间的相似度，并且通过用户之间的社团信息进一步提升预测的准确性。本发明通过设计k层概率传播考虑更多的局部信息，利用用户社团信息考虑了用户不同的邻居对其影响不同的问题，从而能够更好的预测用户之间的相似度，实现预测效果的有效提升。

公开(公告)号：CN114201690A

公开(公告)日：2022-03-18

申请号：CN202111544505.0

申请日：2021-12-16

Applicant: 安徽大学

Inventor： 张磊 ,  张华彬 ,  李斌 ,  张吴忌

IPC: G06F16/9536 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明公开了一种融合社团信息和局部信息的社交网络好友预测方法，包括以下步骤：利用社团检测算法对社交网络进行预处理，得到网络的社团结构；通过利用社团信息对用户之间的边进行加权，更精确的反映用户之间的关系；k层概率传播；计算用户相似度矩阵；用户节点相似度排序。该方法利用概率传播方法预测用户与用户之间的相似度，并且通过用户之间的社团信息进一步提升预测的准确性。本发明通过设计k层概率传播考虑更多的局部信息，利用用户社团信息考虑了用户不同的邻居对其影响不同的问题，从而能够更好的预测用户之间的相似度，实现预测效果的有效提升。