一种基于多元线性回归的餐饮业好友连边影响力预测方法，属于数据挖掘领域。首先根据好友关系建立好友网络图；然后提取好友网络中的拓扑特征；考虑用户的总体特性，提取好友关系中的非拓扑特征信息；运用多元线性回归模型，得到各个特征与最后用户好友关系的联系。本发明的方法为：根据数据集，选取特征，借助线性回归方法建立预测模型。本发明提供了一种基于多元线性回归的餐饮业好友连边影响力预测方法，综合考虑了好友网络中的拓扑特征和用户自身的总体非拓扑特征，从而可以预测出好友连边影响力。
📄 2017101270302
📂 G06Q50_00
👤 浙江工业大学
📅 2017-03-06
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。
📄 2017112688406
📂 G06F16_9536
👤 浙江工业大学
📅 2017-12-05
一种基于邻居信息和属性网络表征学习的微博用户社团发现方法，利用现有的微博数据构建属性网络G＝(V，E，F)，根据用户关注信息的邻接矩阵A计算节点相似度SAij，根据用户属性信息矩阵F计算属性接近度矩阵SF，对网络拓扑和属性信息联合建模，采用分布式算法进行求解，最小化目标函数J，得到每个用户的嵌入向量H，对每个用户的嵌入向量H进行k‑means聚类，得到用户的类别标签，实现社团发现。本发明使用属性网络表征学习框架融合了微博用户的关注信息和属性信息，将高维用户信息转化为低维特征空间的向量，用k‑means聚类算法实现社团发现。降低了社团划分的复杂度，提高了社团发现的准确性，具有良好的性能。
📄 2020107428561
📂 G06F16_9536
👤 浙江工业大学
📅 2020-07-29
本发明涉及一种基于目标k节点分解的社交网络关键人物隐匿方法和装置，其方法包括以下步骤：S1：假设无向无权网络G，利用k核分解算法对网络中的每个节点分配一个核值C(v,G)，定义社交网络中核值最高的节点为关键人物Vk。S2：对于每个节点，获取其层级权重信息M并针对目标k节点构建回溯树GBT得到候选边集H。S3：根据候选边集H选择具有最多受影响节点的边e进行修剪删除。S4：重复步骤S3直到目标k节点中的所有节点从k核子图中移除，也即达到关键人物隐匿的效果。本发明通过改进洋葱分解算法以及回溯树算法，构建回溯树来得到需要删除图中的最少连边集合，使得指定的目标节点从k核子图中分离，从而实现对社交网络中关键人物信息的隐匿。
📄 2024115481760
📂 G06F21_62
👤 浙江工业大学
📅 2024-11-01
一种基于群组的针对虚假信息传播的模型构建方法，包含:首先，构建网络；其次，在网络中随机选取一定比例的智慧节点；第三，对于普通节点和所选的智慧节点，分配不同的过滤信息的能力；第四，设置节点状态之间的转换概率；第五，基于级联信息传播的方法进行传播；最后，计算信息传播范围指标。本发明在传播模型中模拟群组中智慧的人群的行为，在模型中设置智慧节点，用于观测节点行为对于虚假信息传播的影响，并且探究了其言论在群组信息传播中的作用。
📄 2023102600220
📂 G06Q50_00
👤 浙江工业大学
📅 2023-03-17
本发明提出了一种微博用户位置的推测方法。该方法包括：位置特征词汇学习过程和微博用户位置推测过程两个部分。位置特征词汇学习过程包括：采集已填写位置信息的用户微博语料；提取语料中的名词；基于特征提取方法提取位置特征词汇并计算其相应的权值。微博用户位置推测过程包括：获取待推测用户的微博和互粉好友位置信息作为输入；提取得到用户微博地理词汇集和其互粉好友地理词汇集；计算用户微博地理词汇代表位置相应的权值；计算用户互粉好友地理词汇代表位置相应的权值；对位置词汇权值进行加权相加，将权值最高的位置词汇作为用户的推测位置输出。利用本发明的方法使微博用户位置推测更具有针对性，可以更准确地推测出微博用户的位置。
📄 2013102603846
📂 G06F17_30
👤 杭州电子科技大学
📅 2013-06-26
本发明涉及一种基于Twitter数据的社交网络组织成员识别方法，其特征在于，包括以下步骤：爬取关注目标组织公共账号的用户，构成候选集合；寻找确定属于目标组织的用户构成种子集合；设定得分阈值和期望值；爬取候选集合中的每个用户的关注列表与被关注列表、所有推文并提取其中的推送关系；对于候选集合中的每一个用户，根据种子集合，计算识别因子，使用评估模型计算每个用户的得分；根据给定的得分阈值从候选集中筛选出得分大于得分阈值的用户构成结果集合；从候选集合中移除本轮产生的结果集合，并将新产生的结果集合加入种子集合中；迭代执行直到种子集合中成员的数量达到期望值。本发明涉及的方法能够挖掘目标组织中的成员，挖掘准确率高。
📄 2018105588164
📂 G06F16_953
👤 杭州电子科技大学
📅 2018-06-01
本发明公开了一种针对社交网络领袖的影响力特征提取方法，本发明通过对行为因子的量化，提取出七个维度特征的影响因子系数，包括回复动作因子，点赞动作因子，关注动作因子，转发行为因子，引用行为因子，发文行为因子和提及动作因子，充分避免了现有技术中影响因子提取不全面的问题，通过亲近系数、被关注度系数、传播系数和互动活跃度系数来计算超边属性，避免了指示计算传播信息与用户自身影响所带来的考虑因素不全面的问题，提供了更全面完整的用户影响力的衡量和评价方法，并以此对舆论领袖进行判别，具有较高网络领袖影响力特征提取的准确性。
📄 2018109231090
📂 G06Q50_00
👤 西华大学
📅 2018-08-14
移动社交网络下动态小群体需求识别方法，涉及移动社交网络信息处理技术领域。首先根据群体成员对需求的感知状况及满足需求的资源拥有情况，从群体需求集合中识别出可行性需求；然后根据群体成员对不同可行性需求的偏好程度，计算每个可行性需求的可行性度；最后依据群体需求可行性度大小对其进行降序排列，并将需求排序列表推荐给小群体选择执行，从而实现动态小群体的需求识别。本发明基于状态识别及状态转换的方式，构建了动态小群体的需求识别方法，并将群体需求偏好考虑在内，以确保满足群体偏好的最佳需求选择。
📄 2019102527159
📂 G06F16_9535
👤 合肥学院
📅 2019-03-29
本发明公开了一种用户周边最具影响力社区的搜索方法，适用于大规模社交网络中的中用户的个性化影响力社区搜索。本发明通过仅搜索用户周边一定范围内网络，同时结合特有的搜索剪枝技术，提高了社区搜索过程的效率，对大规模社交网络中的社区搜索技术发展具有积极意义。本发明方法输入一个使用图表示的社交网络、一个查询节点以及确定搜索范围的影响力值。首先确定需要搜索的节点集合，然后在这个集合内展开搜索。在搜索过程中，如果当前被搜索节点构成的集合对查询节点的影响力小于已知的最大影响力社区，则停止当前被搜索节点集合的搜索。这个过程中使用的分枝界限方法显著提高了整个搜索过程的效率，加快了最具影响力社区的查找。
📄 2019112961642
📂 G06F16_9536
👤 杭州电子科技大学
📅 2019-12-16
本发明公开了一种社交平台用户的现实关系匹配方法，包括步骤：获取社交平台上的用户的账号信息，根据每一所述用户的账号信息和TransE模型建立用户向量模型；获取所述社交平台上的用户之间的文本交互信息，根据所述用户之间的文本交互信息和卷积神经网络模型建立文本关系预测模型；将所述用户向量模型的输出结果以及所述文本关系预测模型的输出结果投射到同一个空间进行线性联合输出，以得到所述社交平台上的用户的现实关系预测结果。本发明结合用户的账号信息和用户之间的交互文本信息分析的方式，可以从社交平台里上亿的海量用户中准确的挖掘出在线用户的现实关系。本发明还提供一种数据处理装置及计算机可读存储介质。
📄 2017108274520
📂 G06F17_30
👤 平安科技(深圳)有限公司
📅 2017-09-14
一种用户好友数据的分析方法及系统、相关设备，该方法包括：获取包括若干行数据的好友关系文档；将好友关系文档发送至目标映射服务器，以使目标映射服务器根据好友关系文档生成好友关系文档对应的键值对总列表；接收目标映射服务器反馈的键值对总列表，并传输至目标规约服务器，以使目标规约服务器根据键值对总列表获取目标计算参数，以及由目标规约服务器根据目标计算参数获取键值对总列表中任意两个用户身份标识码对应的jaccard相似度，接收目标规约服务器反馈的好友关系文档中任意两个用户身份标识码对应的jaccard相似度；输出好友匹配率列表。可见，减少了I/O开销，进而能够提高用户好友数据的分析效率。
📄 2019106903885
📂 G06F16_9536
👤 平安科技(深圳)有限公司
📅 2019-07-29
柿子坊 · 知识产权运营
柿子坊知识产权运营平台