公开(公告)号：CN115392424A

公开(公告)日：2022-11-25

申请号：CN202210793705.8

申请日：2022-07-07

Applicant: 兰州理工大学温州泵阀工程研究院

Inventor： 唐建新 ,  张莉 ,  揽继茂 ,  朱虹羽 ,  宋仕辉

IPC: G06N3/00

Abstract: 本发明的目的在于针对社会网络分析影响力节点识别与传播最大化问题现有解决技术中存在的问题，提供一种基于离散差分进化算法的多目标影响力最大化种子节点识别算法，实现对影响力节点集合的高效低成本选取。所述算法分为四个组成部分：种群初始化、突变、交叉和选择操作；为了维持种群的多样性，初始化阶段利用了一个随机策略去产生每一个个体的位置向量；突变操作是差分进化算法的核心部分，该部分决定了解的质量；这一操作的目的是对于每一个原始个体产生一个突变个体，从而形成一个突变种群；由突变操作得到突变种群，由突变种群和原始种群交叉得到交叉种群；选择操作是算法迭代的最后一个过程，目的在于产生一个新的拥有更高质量解的种群。

公开(公告)号：CN118014751A

公开(公告)日：2024-05-10

申请号：CN202410009745.8

申请日：2024-01-04

Applicant: 兰州理工大学

Inventor： 唐建新 ,  宋仕辉 ,  瞿继焘 ,  李毅晖

IPC: G06Q50/00 ,  G06N3/0464 ,  G06N3/08 ,  G06F18/27

Abstract: 本发明公开了一种基于自注意力机制图卷积神经网络的社交网络影响力自适应传播最大化方法，属于社交网络影响力自适应传播最大化领域，解决了现有技术中尚未将深度学习模型应用到解决社交网络影响力自适应传播最大化技术中的空白，本发明中的方法通过在线社交网络数据建模为社交网络图，并以度中心性、介数中心性、K壳中心性对社交网络图进行特征提取，用于捕获社交网络图数据结构中节点的拓扑结构属性特征；利用自注意力机制图卷积神经网络构建预测模型；然后将目标网络输入到训练好的预测模型中，根据目标网络中的传播实现动态地更新节点的影响力预测值，本发明的上述方法保障了社交网络影响力传播效果好，实现了社交网络影响力自适应传播最大化。

公开(公告)号：CN117237140A

公开(公告)日：2023-12-15

申请号：CN202311283423.4

申请日：2023-10-07

Applicant: 兰州理工大学

Inventor： 唐建新 ,  瞿继焘 ,  宋仕辉 ,  赵付青

IPC: G06Q50/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明涉及社交网络影响力最大化技术领域，具体为一种融合图卷积神经网络和Transformer的社交网络影响力最大化方法，包括以下步骤：收集社交网络数据并通过用户关系建模为社交网络图；采用Node2Vec图嵌入技术、拉普拉斯矩阵和节点中心性方法，对社交网络进行节点属性和空间结构特征提取，设计了一种基于局部影响力评估函数的贪心方法生成训练标签；融合图卷积神经网络和Transformer构建预测模型；处理目标社交网络，并将目标社交网络输入预测模型，以获得在目标社交网络上一组最有影响力的种子用户。本发明定义了一种融合图卷积神经网络和Transformer的社交网络影响力最大化方法，充分利用了图卷积神经网络和Transformer结构的优势，以深入挖掘节点和影响力间的关系。