公开(公告)号：CN119180315A

公开(公告)日：2024-12-24

申请号：CN202411038018.0

申请日：2024-07-31

Applicant: 兰州理工大学

Inventor： 唐建新 ,  瞿继焘 ,  赵付青 ,  许天鹏 ,  李忱朔 ,  付佳强

IPC: G06N3/082 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明属于数字经济与网络空间安全治理技术领域，具体为一种基于深度学习与结构演化代理的动态社会网络影响力传播最大化方法，包括如下步骤：收集社会网络数据，并通过用户关系建模为动态社会网络，根据不同需求的时间间隔，将网络划分为若干时间网络快照；设计网络结构演化代理方法，根据网络拓扑的变化以及节点选取策略，选取部分节点作为结构演化代理节点；利用随机扩散和卷积神经网络提取代理节点的局部拓扑结构，形成节点嵌入向量表示；通过图卷积神经网络，利用代理节点的信息增量更新历史节点嵌入向量，并预测节点影响力传播期望值，根据模型预测的影响力值，选取影响力最大的一组节点作为当前网络快照的种子集；重复上述步骤，为整个动态网络选取一组种子集，为社会网络影响力传播与控制提供决策依据。

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。