-
公开(公告)号：CN106682991B
公开(公告)日：2021-02-09
申请号：CN201611189947.7
申请日：2016-12-21
Applicant: 重庆邮电大学
IPC: G06Q50/00 , G06F17/18 , G06F16/951 , G06F16/2458 , G06F16/28
Abstract: 本发明请求保护一种基于在线社交网络的信息传播模型及其传播方法，属于在线社交网络分析领域。它包括了获取数据源，建立多维属性驱动机制，建立动态演化策略，构建热点话题传播模型四个部分。第一步，获取数据源。第二步，构建多维属性驱动机制，从网络结构和用户历史行为两个方面提取用户属性，用多元线性回归的方法定量阐述两种因素对用户参与话题的驱动力的影响。第三步，构建动态演化策略，定义收益矩阵和感知流行度，根据演化博弈论建立动态演化策略。第四步，构建热点话题传播模型。将用户多维属性模型和动态演化策略与传统SIR模型结构建一种新的热点话题传播模型。该发明能够有效的描绘社交网络中热点信息的传播趋势，揭示不同驱动因素对信息传播的影响。
-
公开(公告)号：CN106649714B
公开(公告)日：2020-08-04
申请号：CN201611189954.7
申请日：2016-12-21
Applicant: 重庆邮电大学
IPC: G06F16/9536
Abstract: 本发明请求保护一种针对数据不均匀及数据稀疏的topN推荐系统及方法，属于数据挖掘和信息检索领域。基于用户以及社交网络信息好友关系，考虑评分与用户个人活跃度、物品流行度以及用户对物品感兴趣程度的隐性关系，通过时间离散化及时间切片的方法，加入三方面时间效应影响，同时针对用户评分数据分布不均匀以及数据稀疏性问题，构建基于灰色理论改进GM(1,N)预测模型，挖掘评分与三方面的显性动态关系。输入数据到预测模型即可预测用户对物品的评分，根据用户评分情况，将用户感兴趣的物品推荐给用户，实现topN推荐。
-
公开(公告)号：CN106682991A
公开(公告)日：2017-05-17
申请号：CN201611189947.7
申请日：2016-12-21
Applicant: 重庆邮电大学
IPC: G06Q50/00
Abstract: 本发明请求保护一种基于在线社交网络的信息传播模型及其传播方法，属于在线社交网络分析领域。它包括了获取数据源，建立多维属性驱动机制，建立动态演化策略，构建热点话题传播模型四个部分。第一步，获取数据源。第二步，构建多维属性驱动机制，从网络结构和用户历史行为两个方面提取用户属性，用多元线性回归的方法定量阐述两种因素对用户参与话题的驱动力的影响。第三步，构建动态演化策略，定义收益矩阵和感知流行度，根据演化博弈论建立动态演化策略。第四步，构建热点话题传播模型。将用户多维属性模型和动态演化策略与传统SIR模型结构建一种新的热点话题传播模型。该发明能够有效的描绘社交网络中热点信息的传播趋势，揭示不同驱动因素对信息传播的影响。
-
公开(公告)号：CN106649659B
公开(公告)日：2020-09-29
申请号：CN201611144573.7
申请日：2016-12-13
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q10/04 , G06Q50/00
Abstract: 本发明请求保护一种面向社交网络的链接预测系统及方法，属于数据挖掘、社交网络分析领域。基于在线用户以及用户好友关系网络，分别从用户的兴趣关注、信息交互以及共邻用户三个方面出发，构建社交网络链接预测模型。首先，针对社交网络中用户的多个兴趣标签特点，利用LDA主题模型对用户行为进行建模，得到关于用户行为的主题分布；其次，利用高斯加权对标准LDA进行改进，提高主题表达能力；最后，通过引入隐朴素贝叶斯定义的共邻用户贡献算法，综合用户行为特征和网络结构特征进行链接预测。更充分地考虑共邻用户间的相互依赖关系，综合用户行为特征和网络结构特征进行链接预测，并发现链接建立的关键因素。
-
公开(公告)号：CN108304867A
公开(公告)日：2018-07-20
申请号：CN201810069728.8
申请日：2018-01-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的信息流行度预测方法及系统，属于社交网络信息分析领域。本发明主要包括数据获取、属性提取、模型构建、预测分析四个主要步骤。首先，结合社交网络中用户关系和节点行为数据提炼信息传播网络。其次，从个体行为维度和节点交互维度出发，提取影响传播力度量的属性，并给出相关定义。重新构建双重加权社交网络，并基于改进的PageRank算法度量网络中的节点传播力。最后，以信息为中心，提取信息发布者的个体特征和信息发布一小时内的转发特征，利用LR分类器训练得到一种信息流行度预测模型，能够有效预测信息流行程度，及时发现网络群体事件并识别信息传播网络中的重要传播节点。
-
Patent Agency Ranking
公开(公告)号：CN106649659A
公开(公告)日：2017-05-10
申请号：CN201611144573.7
申请日：2016-12-13
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的链接预测系统及方法，属于数据挖掘、社交网络分析领域。基于在线用户以及用户好友关系网络，分别从用户的兴趣关注、信息交互以及共邻用户三个方面出发，构建社交网络链接预测模型。首先，针对社交网络中用户的多个兴趣标签特点，利用LDA主题模型对用户行为进行建模，得到关于用户行为的主题分布；其次，利用高斯加权对标准LDA进行改进，提高主题表达能力；最后，通过引入隐朴素贝叶斯定义的共邻用户贡献算法，综合用户行为特征和网络结构特征进行链接预测。更充分地考虑共邻用户间的相互依赖关系，综合用户行为特征和网络结构特征进行链接预测，并发现链接建立的关键因素。
-
公开(公告)号：CN108304867B
公开(公告)日：2021-09-10
申请号：CN201810069728.8
申请日：2018-01-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的信息流行度预测方法及系统，属于社交网络信息分析领域。本发明主要包括数据获取、属性提取、模型构建、预测分析四个主要步骤。首先，结合社交网络中用户关系和节点行为数据提炼信息传播网络。其次，从个体行为维度和节点交互维度出发，提取影响传播力度量的属性，并给出相关定义。重新构建双重加权社交网络，并基于改进的PageRank算法度量网络中的节点传播力。最后，以信息为中心，提取信息发布者的个体特征和信息发布一小时内的转发特征，利用LR分类器训练得到一种信息流行度预测模型，能够有效预测信息流行程度，及时发现网络群体事件并识别信息传播网络中的重要传播节点。
-
公开(公告)号：CN106650972B
公开(公告)日：2021-07-13
申请号：CN201611189964.0
申请日：2016-12-21
Applicant: 重庆邮电大学
IPC: G06Q10/02 , G06Q50/00 , G06F16/9535
Abstract: 本发明请求保护一种基于云模型的社交网络推荐系统评分预测方法，属于数据挖掘和信息检索领域。该方法利用评分社交网站中数据集，收集用户的历史评分记录，用户的社交关系。本发明针对用户评分主观性，通过逆向云发生器对用户评分构建评分云，采用综合云模型融合所有用户评分云生成父云，在父云下生成新的评分，并用评分对用户进行聚类，以发现用户的相似群体；为克服评分数据稀疏问题，通过引入隶属度和高维云模型，结合用户社交关系，并基于高斯变换构建多规则综合预测方法。
-
公开(公告)号：CN107292390A
公开(公告)日：2017-10-24
申请号：CN201710371282.X
申请日：2017-05-24
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于混沌理论的信息传播预测模型，属于信息传播分析领域。它包括了从社交网络获取真实数据源，构筑用户静态多维转发因素属性机制，预测用户动态行为特征，构建热点话题传播模型四个部分。首先，获取相关数据，获得数据集。其次，从用户、信息、用户关系三个角度出发，提取影响用户的多种行为特征，量化信息传播概率。然后，根据混沌理论预测用户的动态行为。最后，在传统传染病SIR模型基础上，结合信息扩散与传染病蔓延相似的传播机理，综合考虑动态性的行为特征，改进得到一种基于混沌理论和用户行为的信息传播模型。该发明可以有效表征在线社交网络中的信息传播动态趋势，发现信息传播中的重要影响因素。
-
公开(公告)号：CN106649714A
公开(公告)日：2017-05-10
申请号：CN201611189954.7
申请日：2016-12-21
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明请求保护一种针对数据不均匀及数据稀疏的topN推荐系统及方法，属于数据挖掘和信息检索领域。基于用户以及社交网络信息好友关系，考虑评分与用户个人活跃度、物品流行度以及用户对物品感兴趣程度的隐性关系，通过时间离散化及时间切片的方法，加入三方面时间效应影响，同时针对用户评分数据分布不均匀以及数据稀疏性问题，构建基于灰色理论改进GM(1,N)预测模型，挖掘评分与三方面的显性动态关系。输入数据到预测模型即可预测用户对物品的评分，根据用户评分情况，将用户感兴趣的物品推荐给用户，实现topN推荐。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
