-
公开(公告)号：CN115766476B
公开(公告)日：2025-01-10
申请号：CN202211368735.0
申请日：2022-11-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于网络模体的网络相似性评估方法。本发明方法包括数据采集和预处理，计算网络结构相似性两个部分。数据采集和预处理部分包括构建网络、邻接矩阵、节点的邻居集和网络节点模体分布矩阵四个子任务，为之后的计算网络之间的结构相似性提供数据基础。计算网络结构相似性部分包括计算网络节点之间的分散度以及计算网络结构性相似值两个子任务，最终得到了网络之间的结构性质的差异。本发明在宏观上考虑了节点全局重要性，在微观上考虑了局部网络的拓扑结构，并实现了网络局部结构和全局结构之间的较好平衡。
-
Patent Agency Ranking
公开(公告)号：CN115766476A
公开(公告)日：2023-03-07
申请号：CN202211368735.0
申请日：2022-11-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于网络模体的网络相似性评估方法。本发明方法包括数据采集和预处理，计算网络结构相似性两个部分。数据采集和预处理部分包括构建网络、邻接矩阵、节点的邻居集和网络节点模体分布矩阵四个子任务，为之后的计算网络之间的结构相似性提供数据基础。计算网络结构相似性部分包括计算网络节点之间的分散度以及计算网络结构性相似值两个子任务，最终得到了网络之间的结构性质的差异。本发明在宏观上考虑了节点全局重要性，在微观上考虑了局部网络的拓扑结构，并实现了网络局部结构和全局结构之间的较好平衡。
-
公开(公告)号：CN116094937B
公开(公告)日：2024-12-03
申请号：CN202211730580.0
申请日：2022-12-30
Applicant: 浙江大学
IPC: H04L41/12 , H04L41/0823 , H04L41/14
Abstract: 本发明公开了一种基于多层网络的影响力最大化方法。本发明结合多层网络的拓扑性质挖掘出具有高影响力的节点集，包括模型建立，种子节点选取，以及种子节点识别效果评估三大模块。模型建立是建立多层网络模型任务；种子节点选取过程包括邻居并集预处理方法以及联合度消减算法，分别用以初步获取种子节点重要性排名，通过启发式的联合度消减算法，减弱传播重叠所带来的负面影响，重复操作，直至选出最终的种子节点集；最后通过多层网络上的模拟传播实验，评估种子节点集的实际效果。本发明综合考虑了不同层节点的差异性以及传播重叠问题，提出解决多层网络影响力最大化提供新的思路和方法，无论是经济效用又或者是社会服务方面都具有较大的应用。
-
公开(公告)号：CN117221136A
公开(公告)日：2023-12-12
申请号：CN202311246807.9
申请日：2023-09-25
Applicant: 浙江大学
Abstract: 本发明公开了一种基于社团划分的超网络分解方法。本发明首先结合超网络随机游走构造超网络的拉普拉斯矩阵，将相似拓扑结构节点划分为同一社团，再利用超网络高阶拓扑性质，从不同社团中选择关键节点删除，直到删除后的最大连通网络小于阈值，得到节点的删除序列。包括建立超网络模型、划分超网络社团、构建节点删除序列和网络分解效果评估。模型构建是指建立节点在超网络模型上的高阶交互；社团划分是通过随机游走构造拉普拉斯矩阵来划分社团；再利用超网络的拓扑性质选取节点；最后通过网络分解效果评估得到节点删除序列的分解效果。本发明结合了超网络的高阶拓扑结构，同时综合考虑节点组合后产生的集体效应，为解决网络分解问题提供新的视角。
-
公开(公告)号：CN117216412A
公开(公告)日：2023-12-12
申请号：CN202310844336.5
申请日：2023-07-10
Applicant: 浙江大学
IPC: G06F16/9536 , G06Q50/00 , G06F18/23213 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种适用于符号网络的网络分解方法。本发明首先构建符号网络，选取当中的最大连通子图作为待嵌入网络；引入符号网络嵌入的目标函数，利用深度学习框架对网络节点进行嵌入，得到的节点表示向量进行聚类，将聚类的结果作为社团划分的标准；选择包含节点数目最多的社团，将该社团中度最大的节点选为目标节点，将该节点从网络当中移除，并计算此时网络中最大连通片的大小；将节点移除后所得到的最大连通片重复操作，直至整个网络崩溃。本发明考虑了符号网络中的符号特性，相比一般的中心性方法能够有效提高符号网络的拆解效果。本发明能够有效阻止不良信息在社交媒体和用户群组之间的传播，从而降低其带来的风险和危害。
-
公开(公告)号：CN116094937A
公开(公告)日：2023-05-09
申请号：CN202211730580.0
申请日：2022-12-30
Applicant: 浙江大学
IPC: H04L41/12 , H04L41/0823 , H04L41/14
Abstract: 本发明公开了一种基于多层网络的影响力最大化方法。本发明结合多层网络的拓扑性质挖掘出具有高影响力的节点集，包括模型建立，种子节点选取，以及种子节点识别效果评估三大模块。模型建立是建立多层网络模型任务；种子节点选取过程包括邻居并集预处理方法以及联合度消减算法，分别用以初步获取种子节点重要性排名，通过启发式的联合度消减算法，减弱传播重叠所带来的负面影响，重复操作，直至选出最终的种子节点集；最后通过多层网络上的模拟传播实验，评估种子节点集的实际效果。本发明综合考虑了不同层节点的差异性以及传播重叠问题，提出解决多层网络影响力最大化提供新的思路和方法，无论是经济效用又或者是社会服务方面都具有较大的应用。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
