专利交易市场

本发明公开了一种考虑用户行为和情感的社会网络影响力最大化初始节点选取方法，使用带有分类标签的评价数据集，构建情感单词训练模型扩展已有的情感词典，分别对社会网络节点进行行为倾向分析和情感倾向分析，作为节点影响力的评判依据，构建综合考虑用户行为和情感的影响力传播模型BSIS，并结合贪心算法求解最大影响力边际收益节点加入到初始节点集合中。本发明综合考虑用户行为倾向和情感倾向，更加有效、准确、真实地挖掘影响力最大化初始节点。

一种考虑时延约束的社会网络初始关键节点选取方法。本发明首先结合见面概率和激活概率将网络中用户之间的影响力量化表示为信用分配过程结束后积累在节点上的信用值大小。通过对网络结构和用户行为记录的学习，将尝试见面并激活其他用户而产生的传播阻碍作用转化为传播增量路径度量，并结合时延约束条件限定性地分配信用。最后使用贪心思想递归选取边际收益最大的节点组成初始关键节点集合。本发明构建了一种新的社会网络初始关键节点选取方法，结合概率事件和时延约束条件，改进了以往仅基于节点度值评价节点影响力规则的弊端，提高了选取过程的执行效率，并更加真实有效地模拟和预测网络中行为的传播过程。

本发明公开了一种人群社会关系提取方法、设备及存储介质，使用预训练的语言模型提取文本信息的特征向量，得到文本特征向量；提取头部实体的特征向量和尾部实体的特征向量，对头部实体的特征向量和尾部实体的特征向量进行编码，得到编码后的特征向量；融合文本特征向量和编码后的特征向量，并对融合后的特征进行归一化处理；将归一化后的特征作为跨域少样本模块的输入，预测所述文本信息和面部图像之间的社会关系，将概率最大的社会关系作为输出结果。本发明无需大量的带标注的数据，节省了人力和物力，提高了社会关系提取精度。本发明通过将面部信息嵌入到文本信息中，可以尽快消除不可能存在的社会关系，提高了社会关系预测的鲁棒性。