-
公开(公告)号：CN114610989A
公开(公告)日：2022-06-10
申请号：CN202210170463.7
申请日：2022-02-23
申请人： 苏州大学
IPC分类号： G06F16/9535 , G06F16/36 , G06F16/335 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种基于异构图动态信息补偿的个性化论文推荐方法，方法首先从学术HIN中按照有向边以及节点出入度游走方式提取多样化的交互元路径；然后通过采样得到的多种元路径来学习用户节点和论文节点的嵌入并用全连接层进行融合，作为总体兴趣和受众趋势的表达，再利用结合了注意机制的双向长短期记忆神经网络(Bi‑LSTM)捕捉隐藏在用户、论文历史数据中的动态变化，来融合成短期变化趋势的表达；最后，利用用户和论文短期变化趋势表达得到的链接预测结果来补偿总体趋势表达得到的链接预测结果，从而使推荐结果更加符合用户当前的偏好，解决现有方法存在的路径采样不全面、无法挖掘用户兴趣以及论文受众变化的问题。
-
公开(公告)号：CN109635201A
公开(公告)日：2019-04-16
申请号：CN201811552993.8
申请日：2018-12-18
申请人： 苏州大学
IPC分类号： G06F16/9535 , G06Q50/00
摘要： 本发明公开了一种异质社交网络跨平台关联用户账户挖掘方法。本发明一种异质社交网络跨平台关联用户账户挖掘方法，包括：针对不同社交网络特点，建立各自社交网络结构，任一社交网络OSNi的结构用图G(i)＝(V(i),R(i))表示，其中V(i)表示顶点集合，由社交网络OSNi内多种不同类型的顶点集合构成，R(i)表示顶点间的关系集合。本发明的异质社交网络跨平台关联用户挖掘方法包括四个步骤：社交网络结构构建、用户交互元路径提取、单个社交网络迁移嵌入和跨社交网络迁移嵌入与关联用户账户挖掘。本发明所带来的有益效果包括实现跨平台的统一嵌入，避免了现有技术无法实现高效跨网络平台嵌入问题。
-
公开(公告)号：CN116523118A
公开(公告)日：2023-08-01
申请号：CN202310395439.8
申请日：2023-04-13
申请人： 苏州大学
IPC分类号： G06Q10/04 , G06Q50/00 , G06F16/901 , G06N3/084 , G06N3/047 , G06F18/22 , G06N3/0455 , G06N3/044 , G06N3/0464
摘要： 本发明提供一种基于异构图神经网络的多源信息传播预测方法及系统，该方法包括基于社交网络信息，构建异构图；基于所述异构图，通过设定的初始特征生成策略为所述异构图中的每一个类节点和边生成初始特征；将所述异构图和所述初始特征输入到预先构建的多层时空嵌入网络模型中进行优化训练，得到训练好的多层时空嵌入网络模型；利用训练好的多层时空嵌入网络模型对社交网络中的多源信息传播进行预测。本发明所提出的方法弥补了传统模型在时间段划分方案缺乏灵活性、关注关系冗余、无法兼顾时空特征且缺乏可拓展性这些方面的不足，能高效且准确地预测社交网络中单/多源信息的流行度。
-
公开(公告)号：CN114928548A
公开(公告)日：2022-08-19
申请号：CN202210445503.4
申请日：2022-04-26
申请人： 苏州大学
摘要： 本发明涉及一种社交网络信息传播规模预测方法及装置，首先通过对用户之间的关注关系进行采样，并构建异构图解决了多源信息传播结构上的不连通问题；然后，对用户转发的时间序列划分时间段，并进一步根据这些时间段向异构图中添加时间节点，并连接对应时间段内的用户，使得构建的异构图也有了表达时间特征的能力；最后，通过对异构图中的时间节点使用循环神经网络提取时间特征，并和使用图卷积神经网络的结构特征学习多轮交替进行，从而实现时间特征和结构特征之间双向强依赖关系的学习。
-
公开(公告)号：CN108712493A
公开(公告)日：2018-10-26
申请号：CN201810481193.5
申请日：2018-05-18
申请人： 苏州大学
CPC分类号： H04L67/1097 , G06Q50/01
摘要： 本发明涉及一种跨地域云数据中心间社交用户数据分布式存储方法及系统，为了解决现有技术存在的跨地域访问延迟大、网络通信量大、存储费用高的问题而设计。本发明所述的方法包括：将各用户u的数据副本分布式放置。找出满足用户v的访问延迟要求且存储单价最低的云数据中心集合Lv，对所有云数据中心集合Lv求交集得到迁移候选目标集合Xu；将存储用户u的数据副本的云数据中心集合Du分别与每一个集合Lv求交集，求得结果的集合再合并求并集，得到迁移候选源集合Yu；计算所有候选迁移方案的迁移费用，选择其中费用最小的迁移方案执行用户u的数据副本的数据迁移。本发明在满足延迟要求下能够最大限度地降低成本费用。
-
公开(公告)号：CN105450741A
公开(公告)日：2016-03-30
申请号：CN201510784810.5
申请日：2015-11-16
申请人： 苏州大学
IPC分类号： H04L29/08
CPC分类号： H04L67/1097
摘要： 本发明公开了一种分布式存储系统中供应服务器选择和修复数据传输方法，其特征在于，基于混合整数线性规划实现，将供应服务器定义为供应节点，根据待修复的分布式存储系统，获取节点集合、链路集合、需选择的供应节点的数量、每个供应节点需传输到新生节点的数据量；将基于网络编码的分布式存储系统表示为有向图；根据有向图，基于混合整数线性规划，建立最优供应节点选择及修复数据传输的数学模型；求解获得最优的供应节点集合，每个供应节点到新生节点的数据传输路径以及每条路径上传输的数据传输速率。本发明减少了整个数据修复的再生时间，从而提高了系统性能。
-
公开(公告)号：CN110336643B
公开(公告)日：2022-07-19
申请号：CN201910606572.7
申请日：2019-07-05
申请人： 苏州大学
摘要： 本发明公开了一种基于边缘计算环境的数据处理方法，包括以下步骤：获取所述边缘计算环境的网络参数；根据获取的参数使用任务分配方法得到参与计算的边缘设备集合以及需要添加的随机编码块的数量；云根据得到的解生成相应数量的随机编码块，生成系数编码矩阵，然后对原始数据块进行编码，最后将编码后的数据发送给参与计算的边缘设备；参与计算的边缘设备在接收到用户的输入数据之后，将输入数据与存储的编码数据做运算，并将中间计算结果发送给用户；用户接收到所有的中间计算结果，利用系数编码矩阵进行解码，由此实现数据处理。本发明提供的方法实现了基于安全编码的边缘计算中，任务分配最优方案的设计，减少了计算消耗，节约了大量网络计算资源。
-
公开(公告)号：CN108809520B
公开(公告)日：2021-03-26
申请号：CN201810635631.9
申请日：2018-06-20
申请人： 苏州大学
摘要： 本发明公开了一种基于边缘计算环境的编码分布式计算方法、装置、设备及计算机可读存储介质，该方法包括：获取边缘计算网络的网络参数；基于网络参数得到计算任务布置方案；进行编码分布式计算得到边缘计算网络内数据迁移的编码方案；确定任一参与节点为目标节点，确定目标节点上任一输出函数及对应输入数据均位于目标节点、且除目标节点之外的其他参与节点均不具有该任一输出函数时该任一输出函数对应中间值的计算任务为特定计算任务，确定除目标节点之外其他参与节点的特定计算任务为异常计算任务，删除计算任务布置方案中的异常计算任务；基于编码方案及计算任务布置方案实现边缘计算。从而大大减少了计算冗余，节约了网络计算资源。
-
公开(公告)号：CN107257356B
公开(公告)日：2020-08-04
申请号：CN201710258237.3
申请日：2017-04-19
申请人： 苏州大学
摘要： 本发明涉及一种基于超图分割的社交用户数据优化放置方法，包括三个步骤：构建基于超图的社交网络模型、超图划分和子图到服务器映射。本发明利用超图中超边能够准确描述社交网络中多用户交互行为，根据用户交互行为放置用户数据，可以极大地降低用户交互过程中产生的通信量，优化的数据放置同时能够保持服务器间负载均衡。本发明能够根据社交网络用户交互行为优化用户数据在各服务器上的放置，保持服务器间负载均衡，降低数据中心内通信量。
-
公开(公告)号：CN109635201B
公开(公告)日：2020-07-31
申请号：CN201811552993.8
申请日：2018-12-18
申请人： 苏州大学
IPC分类号： G06F16/9535 , G06Q50/00
摘要： 本发明公开了一种异质社交网络跨平台关联用户账户挖掘方法。本发明一种异质社交网络跨平台关联用户账户挖掘方法，包括：针对不同社交网络特点，建立各自社交网络结构，任一社交网络OSNi的结构用图G(i)＝(V(i),R(i))表示，其中V(i)表示顶点集合，由社交网络OSNi内多种不同类型的顶点集合构成，R(i)表示顶点间的关系集合。本发明的异质社交网络跨平台关联用户挖掘方法包括四个步骤：社交网络结构构建、用户交互元路径提取、单个社交网络迁移嵌入和跨社交网络迁移嵌入与关联用户账户挖掘。本发明所带来的有益效果包括实现跨平台的统一嵌入，避免了现有技术无法实现高效跨网络平台嵌入问题。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.023 秒)
