-
公开(公告)号：CN108876648B
公开(公告)日：2021-02-02
申请号：CN201810701551.9
申请日：2018-06-29
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。
-
公开(公告)号：CN109034562A
公开(公告)日：2018-12-18
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
CPC classification number: G06Q10/0639 , G06Q50/01
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
公开(公告)号：CN109493246B
公开(公告)日：2021-06-25
申请号：CN201811399856.5
申请日：2018-11-22
Applicant: 中国矿业大学
IPC: G06Q50/00
Abstract: 本发明涉及一种动态社交网络社区演化分析方法及其系统，属于网络识别技术领域，解决了现有技术未能充分利用网络拓扑结构信息和未对核心节点的类型进行区分的问题。该方法包括如下步骤：针对给定的动态社交网络，从第一个时间片开始，对每个时间片划分该时间片网络对应的社区结构；根据社区结构划分结果，计算每个时间片网络的superspreader集合和该时间片网络对应的每个社区的superblocker集合；针对superspreader集合，确定每一社区的演化事件1类型，即产生、合并和扩张事件；针对superblocker集合，确定每一社区的演化事件2类型，即消失、分裂和缩减事件。本发明利用superspreader的传播性强和superblocker破坏连通性的特点，根据这两类节点集合的变化情况分析动态社交网络社区演化事件，演化事件识别准确性、效率高。
-
公开(公告)号：CN108833138B
公开(公告)日：2021-03-16
申请号：CN201810481373.3
申请日：2018-05-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种错误累积敏感的增量式动态社区发现方法及系统，其中，方法包括：计算给定动态社交网络的错误累积最佳阈值；在第一个时间片，采用静态方法获得动态社交网络的初始社区结构；从第二个时间片开始直到结束，判断当前时间片的错误累积预估值是否超过错误累积最佳阈值，是，则重新进行社区划分，获得当前时间片社区结构；否，则动态更新增量节点的社区归属，获得当前时间片的社区结构。本发明充分考虑了传统增量式动态社区发现中存在的错误累积现象，对每个时间片的错误累积进行了预估，并根据错误累积预估结果选择合适策略进行社区发现，在确保社区发现效率的基础上，提高了社区发现的准确性。
-
公开(公告)号：CN108876648A
公开(公告)日：2018-11-23
申请号：CN201810701551.9
申请日：2018-06-29
Applicant: 中国矿业大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明涉及基于节点覆盖范围的社交网络影响力最大化方法及系统，属于网络分析技术领域；解决了现有技术中节点影响范围重合、对节点中心性评估不够准确以及对于不同结构的网络适应性差的问题。包括：根据给定社交网络中各个节点的邻居关系确定该社交网络中每个节点的覆盖范围增益值；根据上述节点的覆盖范围增益值选择种子节点，得到种子节点集合；利用上述种子节点集合确定该社交网络影响力最大化节点集合。本发明通过更加有效的节点中心性指标，准确有效地选取最具影响力的节点，克服了选取的种子节点过于集中导致节点影响范围重合的问题，对于不同结构的网络均具有良好的适应性。
-
Patent Agency Ranking
公开(公告)号：CN109034562B
公开(公告)日：2021-07-23
申请号：CN201810744899.6
申请日：2018-07-09
Applicant: 中国矿业大学
Abstract: 本发明涉及一种社交网络节点重要性评估方法及系统，属于社交网络分析技术领域，解决了现有技术中基于H指数或类H指数的节点重要性评估方法对节点重要性区分度不高、无法有效对具有相同H值的节点进行重要性排序的问题。包括以下步骤：求取给定社交网络中节点的K指数值；根据待评估节点的所有邻居节点的K指数值之和，确定待评估节点的重要度；基于待评估节点的重要度对该待评估节点的重要性进行评估。本发明充分利用了邻居节点的影响力，可以对相同H指数值的节点重要性进行有效区分排序，能够快速、准确地对社交网络中的节点重要性进行评估，并且评估结果区分度高；同时，能对大规模社交网络进行分析，便于快速发现重要性节点，适应性强。
-
公开(公告)号：CN108833461A
公开(公告)日：2018-11-16
申请号：CN201810316574.8
申请日：2018-04-10
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于网络分解的社交网络关键节点发现方法及系统，属于网络分析技术领域；根据网络中各个节点的中心性值初步确定候选关键节点集合，根据所述候选关键节点在网络中的连通分支节点数量确定社交网络的关键节点。本发明解决了邻居节点之间的连边对网络破坏能力的影响，设计了更加准确的节点中心性指标，选取了更加合理的节点放回策略，并且无需进行参数设置，社交网络关键节点发现更加高效、准确。
-
公开(公告)号：CN108833138A
公开(公告)日：2018-11-16
申请号：CN201810481373.3
申请日：2018-05-18
Applicant: 中国矿业大学
Abstract: 本发明涉及一种错误累积敏感的增量式动态社区发现方法及系统，其中，方法包括：计算给定动态社交网络的错误累积最佳阈值；在第一个时间片，采用静态方法获得动态社交网络的初始社区结构；从第二个时间片开始直到结束，判断当前时间片的错误累积预估值是否超过错误累积最佳阈值，是，则重新进行社区划分，获得当前时间片社区结构；否，则动态更新增量节点的社区归属，获得当前时间片的社区结构。本发明充分考虑了传统增量式动态社区发现中存在的错误累积现象，对每个时间片的错误累积进行了预估，并根据错误累积预估结果选择合适策略进行社区发现，在确保社区发现效率的基础上，提高了社区发现的准确性。
-
公开(公告)号：CN108737158A
公开(公告)日：2018-11-02
申请号：CN201810320793.3
申请日：2018-04-10
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于最小生成树的社交网络层次社区发现方法及系统，属于网络分析技术领域，通过计算给定社交网络所有相邻节点间连接强度来构建微社区；计算所有微社区间的紧密度，构造最小生成树，得到社交网络的层次社区结构。本发明的最小生成树构造复杂度低，能够有效处理大规模社交网络数据，无需任何人为参数设置，能够准确、高效地发现社交网络的层次社区结构。
-
公开(公告)号：CN108737158B
公开(公告)日：2021-09-28
申请号：CN201810320793.3
申请日：2018-04-10
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于最小生成树的社交网络层次社区发现方法及系统，属于网络分析技术领域，通过计算给定社交网络所有相邻节点间连接强度来构建微社区；计算所有微社区间的紧密度，构造最小生成树，得到社交网络的层次社区结构。本发明的最小生成树构造复杂度低，能够有效处理大规模社交网络数据，无需任何人为参数设置，能够准确、高效地发现社交网络的层次社区结构。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.018 seconds)
