-
公开(公告)号：CN119150048A
公开(公告)日：2024-12-17
申请号：CN202411135487.4
申请日：2024-08-19
Applicant: 常熟理工学院
IPC: G06F18/23 , G06F18/24 , G06F18/25 , G06N3/0464 , G06N3/088 , G06N3/0895 , G06F17/16 , G06F17/11 , G06Q50/00
Abstract: 本发明公开了融合多注意力机制与嵌入学习的异构网络社区发现方法，包括步骤：构建异构网络图，转换节点属性；获取网络子图；利用注意机制在结构聚合编码器中获取结构矩阵C；利用多层注意机制在语义内容编码器中获取特征矩阵X；将结构矩阵和特征矩阵作为卷积网络的输入，输出节点的嵌入矩阵Z；将嵌入矩阵Z用于下游任务，通过构建损失函数进行学习训练，用于社会网络的社区发现。本发明充分发挥图学习技术的优点，利用卷积网络解决社区发现问题，在大规模网络上进行社区发现的同时还能进行归纳式的学习表达，不仅能提高计算效率，还可以得到高质量的社区划分。
-
公开(公告)号：CN119884476A
公开(公告)日：2025-04-25
申请号：CN202411961827.9
申请日：2024-12-30
Applicant: 常熟理工学院
IPC: G06F16/9535 , G06F16/901
Abstract: 本申请提供了一种社区搜索方法、装置、介质及设备，方法包括：根据复杂网络数据集，构建出动态属性网络的多重图模型，输入指定的参数l，k和θ，其中l表示序列长度阈值、k表示支持度阈值、θ表示搜索评分阈值；根据网络中边时间戳的极差确定时间跨度，将多重图模型划分为不同的时间快照；在每个时间快照中，计算每条边在当前时间快照参与构成三角形的个数作为边的支持度，遍历每条动态边，循环删除支持度小于k或不满足在长度l的连续时间快照中存在的动态边；基于搜索评分阈值θ整合所有时间快照的余下节点，得到(l,k,θ)‑truss结构模型，将(l,k,θ)‑truss结构模型在原多重图模型G中的诱导子图作为结果社区。
-
公开(公告)号：CN119719486A
公开(公告)日：2025-03-28
申请号：CN202411724741.4
申请日：2024-11-28
Applicant: 常熟理工学院
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了一种项目推荐方法、装置、介质及计算机设备，涉及推荐系统技术领域，所述方法包括：获取用户行为序列集，基于用户行为序列集确定项目集，并基于项目集构建项目嵌入矩阵；基于项目嵌入矩阵确定与每个用户行为序列对应的用户‑项目嵌入向量；基于用户行为序列集分别构建项目顺序转移图和项目语义转移图；基于项目顺序转移图和所述项目语义转移图确定与每个用户行为序列对应的条件信号；针对任一用户的推荐需求，基于与任一用户的用户行为序列对应的条件信号调整预先训练好的扩散模型，并基于调整后的扩散模型确定与任一用户对应的目标推荐项目。本实施例提高了项目推荐的准确性。
-
公开(公告)号：CN119622123A
公开(公告)日：2025-03-14
申请号：CN202510147547.2
申请日：2025-02-11
Applicant: 常熟理工学院
IPC: G06F16/9537 , G06F16/9535 , G06F16/9536 , G06F18/22
Abstract: 本发明公开了一种融合用户移动方向的轻量级兴趣点推荐方法及装置，涉及兴趣点推荐技术领域，主要目的在于解决兴趣点推荐的数据处理效率较低的问题。主要包括响应于目标用户的兴趣点推荐需求，获取目标用户的实时位置、移动方向及全局兴趣点，其中，全局兴趣点为全局地点签到记录数据集中匹配兴趣点推荐需求的地点；依据实时位置和各个兴趣点的签到记录对全局兴趣点进行筛选，得到候选签到记录数据集；依据移动方向和实时位置，计算各个候选兴趣点的移动方向相似度，并依据签到用户信息和目标用户的签到记录，计算各个候选兴趣点的协同过滤相似度；依据移动方向相似度和协同过滤相似度，生成目标用户的兴趣点推荐信息。主要用于兴趣点推荐。
-
公开(公告)号：CN118227895B
公开(公告)日：2024-11-08
申请号：CN202410556814.7
申请日：2024-05-07
Applicant: 常熟理工学院
IPC: G06F16/9536 , G06F16/901 , G06N3/045 , G06N3/042 , G06Q50/00
Abstract: 本发明公开了一种基于图学习的属性网络社会化推荐方法，该方法为：将自由用户向量和自由项目向量进行嵌入，得到初始嵌入层，使用初始嵌入层将用户和项目的一次性表示转换为无用户嵌入向量和无项目嵌入向量，对图中用户和项目的属性信息进行编码，得到用户和项目相关特征向量；然后将嵌入向量和特征向量进行融合，得到用户和项目的初始嵌入；接着对输入的数据捕捉用户的潜在嵌入，将节点级权重信息作用到图级注意力机制中，对用户进行更新操作；当更新过程稳定后，输出层预测每个未观察到的用户项目对的偏好得分，选取得分最高的用户项目进行社会化推荐。本发明能够在大规模网络上进行社会化推荐，提高了社会化推荐的准确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117725455A
公开(公告)日：2024-03-19
申请号：CN202311800017.0
申请日：2023-12-26
Applicant: 常熟理工学院
Inventor： 刘井莲
IPC: G06F18/2323 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习的异质信息网络社区发现方法，该方法为：首先将不同类型节点特征转化到相同特征空间；然后计算节点重要性，设计权重系数，通过多头注意力计算元路径内信息的融合；接着计算不同语义的重要性，进行元路径间的融合，得到节点嵌入表示；再对拓扑结构进行重构，减小前述操作后带来的误差，得到最终的节点嵌入表示；最后利用自监督机制对最终的嵌入表达进行优化和聚类，得到最终的社区结果。本发明能够充分利用图神经网络结合自监督学习的优势，更好的捕获节点信息之间的相似性，提高了异质信息网络社区划分结果的精确度。
-
公开(公告)号：CN115495661A
公开(公告)日：2022-12-20
申请号：CN202211232832.7
申请日：2022-10-10
Applicant: 常熟理工学院
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于用户长短期偏好的自适应兴趣点推荐方法，包括步骤：基于LBSNs历史签到数据集，构建用户签到的轨迹序列集合，并且按照签到记录的时间间隔采用动态时间窗口划分为历史签到轨迹序列和近期签到轨迹序列；基于所述历史签到轨迹序列采用融合时间因素的LSTM模型学习用户的历史偏好，基于所述近期签到轨迹序列采用结合时空因素的RNN模型学习用户的近期偏好，结合所述历史偏好和所述近期偏好得到用户的长短期兴趣偏好；结合所述长短期兴趣偏好对候选兴趣点进行概率预测，并把概率值排序靠前的若干兴趣点推荐给用户。本发明利用长短期学习结果进行兴趣点推荐，优化推荐效果。
-
公开(公告)号：CN114567908A
公开(公告)日：2022-05-31
申请号：CN202210351008.7
申请日：2022-04-02
Applicant: 常熟理工学院
Abstract: 本发明公开了一种移动机会网络节点拥塞避免方法及系统，涉及网络节点拥塞检测及避免领域。所述方法，包括：根据目标节点在上一时隙流入的消息包的字节数和流出的消息包的字节数预测目标节点在当前时隙的缓存增量，以及在当前时隙开始时目标节点的剩余缓存空间，检测目标节点在当前时隙是否拥塞；若拥塞，则首先确定托管节点集合；然后根据拥塞节点的各个消息包的转发概率确定拥塞节点的卸载集合；再将拥塞节点的卸载集合中的待卸载消息包卸载至托管节点集合中的托管节点。本发明利用流量感知策略检测具有高拥塞风险的节点，并采用消息卸载策略来降低节点的拥塞风险。
-
公开(公告)号：CN119577259A
公开(公告)日：2025-03-07
申请号：CN202411482231.0
申请日：2024-10-23
Applicant: 常熟理工学院
IPC: G06F16/9536 , G06Q50/00 , G06F18/22
Abstract: 本发明公开了一种基于平衡标签传播的社区发现方法及装置，具体为：根据社会网络的数据，构建成员关系网络；针对链接列表结构中度值大于1的节点，通过使用节点相似性和度中心性为每个节点计算节点重要性，初始化节点标签，以及节点的扩散标记，根据节点重要性对节点标签进行更新，两个相似度最高的相邻节点获得相同的标签，选取重要性节点大于阈值的节点作为初始核心节点，以平衡扩散的方式进行标签扩散；针对度值等于1的节点，直接将各自的邻居标签分配给对应节点；根据社区间的综合影响力进行标签选择，使每个节点找到最合适的标签；通过快速合并，发现最终社区。本分发明方法不仅收敛速度快，而且结果稳定、准确。
-
公开(公告)号：CN118628273A
公开(公告)日：2024-09-10
申请号：CN202410835783.9
申请日：2024-06-26
Applicant: 常熟理工学院
IPC: G06Q50/00 , G06N3/042 , G06N3/045 , G06N3/0464 , G06F18/22
Abstract: 本发明公开了一种融合深度学习与社会推荐的异构网络社区发现方法，包括如下步骤：通过网络模式将异构数据排列为异构信息网络，选择有效元路径，构建用户‑用户社交网络和用户‑社区二分网络；通过图神经网络和标记机制训练优化用户‑用户社交网络和用户‑社区二分网络，并融合，构建用户‑社区扩展图；基于用户‑社区扩展图，选择元路径，度量基于元路径的目标用户与目标社区之间的相似性，获取目标用户‑目标社区节点对；将所述目标用户‑目标社区节点对输入图神经网络中进行训练，输出目标用户加入目标社区的概率，并应用于异构网络社区发现。本发明能在大规模社交网络上进行社区推荐，提高社区推荐的准确性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.036 seconds)
