-
公开(公告)号：CN108121772B
公开(公告)日：2021-02-26
申请号：CN201711268840.6
申请日：2017-12-05
申请人： 浙江工业大学
IPC分类号： G06F16/9536 , G06Q50/00
摘要： 一种基于工具变量法的社交网络用户好友影响力度量方法，包括以下步骤：S1：提取社交网络中用户的好友信息、属性特征和行为特征，并根据具体问题选定合适的工具变量；S2：根据具体问题对用户好友进行分类；S3：利用工具变量进行第一阶段最小二乘回归，对不同类型用户好友的活动量做出估计；S4：利用S3中得到的用户好友活动量估计值，对用户本身的活动量进行第二阶段最小二乘回归，得到的回归系数即可作为影响力大小的度量。本发明利用工具变量法，将影响用户活动的内部因素和外部因素进行解耦，对用户的活动量进行了无偏估计，从而实现了对社交网络中用户影响力较为准确的定量描述，具有现实应用价值。
-
公开(公告)号：CN111726472A
公开(公告)日：2020-09-29
申请号：CN202010371154.7
申请日：2020-05-06
申请人： 浙江工业大学
摘要： 一种基于加密算法的图像抗干扰方法，包括以下步骤：步骤1：构建原始手写体数据集并将图像进行预处理；步骤2：利用基于矩阵变换的图像加密技术，将原始手写体数据集进行加密，构建加密数据集；步骤3：构建生成式对抗网络并利用原始数据集进行训练，该网络包括一个生成器和一个判别器；步骤4：构建七层卷积神经网络并利用原始数据集和加密数据集分别进行训练；步骤5：基于已训练好的卷积神经网络和生成式对抗网络做手写体图像数据的标签预测。本发明采用以生成式对抗网络为代表的深度学习算法，利用一种特定的基于矩阵变换的图像加密技术转换图像空间，识别因深度学习技术而受到干扰的图像。
-
公开(公告)号：CN106951471B
公开(公告)日：2020-05-05
申请号：CN201710127478.4
申请日：2017-03-06
申请人： 浙江工业大学
IPC分类号： G06F16/955 , G06F16/9535
摘要： 一种基于SVM的标签发展趋势预测模型的构建方法，包括以下步骤：(1)数据集预处理，统计网站的帖子数据，去除非相关数据信息；(2)选取样本标签，统计标签新出现两年之后的频率，提取流行标签集合和非流行标签集合；(3)构建标签的有权无向网络；(4)提取标签特征数据，包括标签的网络特征以及相关属性特征，作为训练测试数据；(5)采用支持向量机SVM的方法对数据进行训练，并构建标签流行趋势预测模型。本发明考虑标签之间相关性，通过属性特征结合网络特征来对标签的未来发展趋势进行预测分类，对于预测潜在流行标签具有较高的精度。既有利于引导用户选择合理的标签，也有利于网站建设者提供更高质量的标签。
-
公开(公告)号：CN106250522B
公开(公告)日：2019-11-05
申请号：CN201610634284.9
申请日：2016-08-03
申请人： 浙江工业大学
IPC分类号： G06F16/9535 , G06F16/33 , G06F16/903 , G06Q30/02
摘要： 一种基于高斯估计的在线餐饮主标签数据快速提取方法，包括以下步骤：1)获取商铺标签数据，以及用户评分与评论数据，并对商铺标签数据进行预处理；2)针对每个用户，将其各标签的评分数据集求得高斯分布的平均值与方差，即该用户在该标签下的评分高斯分布；3)针对每个用户，将每次商铺的各个标签评分与该标签评分高斯分布作标准化处理，求得最大似然估计作为该次用户去该商铺的目标标签；4)将估计标签、实际完整标签分别和评论数据作测试，取两者匹配率的相对偏差作为模型的最终评价成绩。本发明提取高斯分布下最大似然口味标签作为用户就餐行为的主选口味标签，提取精度较高且算法复杂度较低，适合实际应用场景。
-
公开(公告)号：CN106326345B
公开(公告)日：2019-11-01
申请号：CN201610638825.5
申请日：2016-08-08
申请人： 浙江工业大学
IPC分类号： G06F16/958 , G06Q50/00 , G06K9/62
摘要： 一种基于用户行为的社交网络中朋友关系挖掘方法，包括以下步骤：1)通过用户已有社交行为的记录数据，分别建立二分图与有向转移网络，即用户—餐馆和用户—口味；2)根据网络拓扑关系，分别提取关于节点或连边的具有表征两两用户之间社交行为的特征变量；3)采用机器学习分类器模型xgboost，将所有样本数据通过10折交叉验证，训练并构建用户关系预测器模型；4)取10次验证结果的平均值作为模型的最终评价成绩。本发明将人们的社交行为映射到网络中，用网络拓扑特征反映社交行为的共性变量，使得预测用户之间朋友关系的结果具有较高精确度，既有利于引导用户寻找合适的新朋友，也有助于商家推荐更有价值的信息。
-
公开(公告)号：CN106549799B
公开(公告)日：2019-04-23
申请号：CN201610909101.X
申请日：2016-10-19
申请人： 浙江工业大学
摘要： 一种社会网络同步的实现方法，包括以下步骤：S1：构建社交网络；S2：根据社会网络同步模型，计算社会网络同步的行为深度指标；S3：计算社会网络同步的影响广度指标；S4：计算社会网络同步的异质化指标；S5：计算社会网络同步的显著度指标；本发明提供一种社会网络同步的实现方法，提出了社会网络同步模型，从理论上很好地解释了社会同步性的四个特征，该模型能帮助研究人员更好地了解人类的集体行为。
-
公开(公告)号：CN108647800A
公开(公告)日：2018-10-12
申请号：CN201810222943.7
申请日：2018-03-19
申请人： 浙江工业大学
摘要： 一种基于节点嵌入的在线社交网络用户缺失属性预测方法，包括以下步骤：S1：提取在线社交网络中的用户信息，包括好友列表、在线行为和相关属性数据；S2:构造网络模型后，通过node2vec算法将网络中的节点嵌入到欧式空间中得到表征网络结构特征的嵌入向量；S3：根据用户在线行为和公开属性数据构造表征用户其他特征的向量；S4：将S2和S3中得到的向量进行叠加，最终得到表征用户特征的向量；S5：通过训练一个逻辑斯特回归模型来对用户缺失属性进行预测。本发明充分利用了在线社交网络中的用户社交网络结构特征，结合用户的行为和属性数据，使得对于用户缺失数据的预测达到了较高精度，具有现实应用价值。
-
公开(公告)号：CN106570082A
公开(公告)日：2017-04-19
申请号：CN201610907676.8
申请日：2016-10-19
申请人： 浙江工业大学
摘要： 一种结合网络拓扑特征和用户行为特征的朋友关系挖掘方法，包括以下步骤：1)建立朋友关系网络图，随机选取其中90％的朋友关系连边数据为训练集，剩余的10％作为测试集；2)构建两种基于拓扑相似度的朋友关系网络的有权无向图；3)构建两种基于用户行为特征相似度的朋友关系网络的有权无向图；4)使用基于加权模块度的社团检测算法(CNM算法)分别对上述四种有权无向图进行社团划分，如果任意两个用户在上述四种社团划分过程中至少有三次或以上被划为同一个社区，则认为这两个用户是朋友关系。本发明将拓扑特征以及行为特征引入到用户朋友关系网络中,通过社团划分，挖掘出两个用户是否是朋友关系。
-
公开(公告)号：CN106549799A
公开(公告)日：2017-03-29
申请号：CN201610909101.X
申请日：2016-10-19
申请人： 浙江工业大学
CPC分类号： H04L41/142 , H04L41/145 , H04L43/08
摘要： 一种社会网络同步的实现方法，包括以下步骤：S1：构建社交网络；S2：根据社会网络同步模型，计算社会网络同步的行为深度指标；S3：计算社会网络同步的影响广度指标；S4：计算社会网络同步的异质化指标；S5：计算社会网络同步的显著度指标；本发明提供一种社会网络同步的实现方法，提出了社会网络同步模型，从理论上很好地解释了社会同步性的四个特征，该模型能帮助研究人员更好地了解人类的集体行为。
-
公开(公告)号：CN106529562A
公开(公告)日：2017-03-22
申请号：CN201610813058.7
申请日：2016-09-09
申请人： 浙江工业大学
CPC分类号： G06K9/6218 , G06K9/6256 , G06K9/6278 , G06Q10/04
摘要： 一种基于Email网络的开源软件项目开发者预测方法，包括以下步骤：1)搭建不同类型的Email网络；2)采用不同网络节点排序算法对网络中各个节点进行计算得到相应特征分值，同时利用网络拓扑性质得出每个节点的特征向量中心性和聚类系数；3)对各个算法得出的特征分值和拓扑性质参数的排名分别做归一化处理，作为样本的特征；4)将部分节点作为样本输入到机器学习分类器中，采用Bayesian算法进行学习；5)对剩余节点样本进行预测。本发明针对OSS项目参与人数众多而核心开发者少量的特点提出的，可以有效地预测出各个OSS项目中的开发者人员，相比网络节点排序算法在准确率上有了显著的提高。
-
-
-
-
-
-
-
-
-
搜索结果
103 条记录 (耗时 0.037 秒)
