本发明公开了一种基于生成对抗网络的社交推荐方法，通过元路径将复杂的异构图分解为两个简单的同质子图，能够充分发掘和利用蕴涵在无社交标签用户群体中的结构和语义信息，从而提升社交推荐的结果质量，然后通过图神经网络进行预训练得到联合嵌入向量，再通过直通式Gumbel‑Softmax将联合嵌入向量转换为用户独热向量和项目独热向量，能够确保社交推荐在反向传播过程中是可训练的，确定好生成对抗网络中生成器和判别器的损失函数后，将用户独热向量、项目独热向量、用户嵌入向量、项目嵌入向量分别输入至生成器和判别器，当生成对抗网络中的生成器和判别器之间实现平衡时，即得到了高质量的推荐结果。
📄 2024100164626
📂 G06F16_9536
👤 江西财经大学
📅 2024-01-05
本发明公开一种基于推荐感知和协作边缘缓存的内容请求处理系统，包括网络信息获取模块、移动边缘缓存系统模型搭建模块、推荐列表生成模块、用户体验质量计算模块、请求处理策略生成模块；本发明综合考虑了终端的个性化需求，结合了“软缓存”这一观点，给出了对内容请求的最佳处理方式，同时通过对缓存友好的启发式算法确定对内容请求的最佳处理地点，很大程度上提高了用户的QoE(Qualityof Experience，体验质量)。
📄 2021105729164
📂 G06F16_9536
👤 重庆大学
📅 2021-05-25
本发明公开了一种基于位置的社交网络中近邻检测方法，近邻检测是基于位置的社交网络服务中的一个重要问题。近邻检测允许用户在地图上选择一个特定的几何范围，然后询问他的朋友是否在这个范围内。为了高效实现社交网络中的近邻检测，本发明首先将用户选择的几何范围抽象为一个凸多边形，将用户朋友的位置抽象为一个点，然后提取凸多边形的四个特征顶点，根据这四个特征顶点可以实现对凸多边形的一种划分，接着判断给定点落在哪个分区内，并调用该分区对应的判断条件对给定点与凸多边形的位置关系进行判定，最终得到结果。本发明只需要进行一次点与边的判断即可得到点与凸多边形的位置关系，因此高效地解决了社交网络中的近邻检测问题。
📄 201910808171X
📂 G06F16_9536
👤 湖北工业大学
📅 2019-08-29
本发明提供一种潜在客户挖掘与推荐方法，本发明从社交平台上获取用户的个人信息和社交活动信息，并与本地存储的用户购物记录融合，经过数据清洗和筛选后，得到用于训练和测试潜在客户分类模型的数据；然后根据用户个人信息、社交记录、购物记录构造用户画像，同时将用户的社交记录和购物记录处理为可供模型使用的特征向量形式，然后训练用户兴趣预测模型，将用户分为潜在客户和路人；最后识别并根据潜在客户的兴趣提供更有针对性的商品页面展示给他们。本发明可以在精准分类用户的同时判断用户的兴趣；根据用户的兴趣判断展示相应的产品或实施精准广告投放，实现潜在客户的转化；对于老客户也可以提供针对性的推荐，增加客户黏性。
📄 2019103112001
📂 G06F16_9536
👤 广东工业大学
📅 2019-04-18
本发明属于计算机应用技术领域，公开了一种位置社交网络中邻近社区的检索方法，包括步骤1、位置社交网络的抽象；步骤2、初始化查询的待处理结点列表ListV；步骤3、搜索ListV中的一个结点p相应的区域；到结点列表ListC；步骤4、检查ListC中任意俩结点和p三点共圆的圆形区域是否包含k‑core社区(半径小于r)；将发现的k‑core社区添加至ListKC；步骤5、重复执行直至ListV为空或|ListKC|>k；步骤6、返回结果列表ListKC。本发明的结点按照距离排序以后，以后的查询中不需要检索所有社区，仅通过搜索结点周边部分区域即可确定一个结点是否为关键结点，进而快速的返回查询结果。
📄 2021111695767
📂 G06F16_9536
👤 杭州电子科技大学
📅 2021-10-08
本发明公开了一种基于网络增速的虚假消息识别方法及装置，方法包括以下步骤：(1)记录n个等时间间隔的时刻t0，t1，...，tn下目标消息在社交网络中的用户传播情况，获得各个时间间隔内的用户增量矩阵ΔG1，...，ΔGn；(2)将ΔG1，...，ΔGn输入至训练好的预测模型中，获得下一个时间间隔内的用户增量矩阵ΔGn+1；(3)将ΔGn+1输入至训练好的分类器中进行二分类，识别目标消息的真伪；n为大于或等于4的自然数。该方法通过真假消息的传播机制和传播速度上的差异来实现对消息真伪的辨别。
📄 2020103153447
📂 G06F16_9536
👤 浙江工业大学
📅 2020-04-20
一种用户属性耦合相似和兴趣语义相似的协同过滤推荐方法，包括以下步骤：步骤1.收集大量用户和项目数据；步骤2.对项目内容文本信息进行预处理，然后对深度学习词向量模型进行训练获得词向量模型；步骤3.将项目文本中的词通过词向量模型转换为向量；步骤4.分析用户的兴趣内容向量；步骤5.对用户注册信息预处理并提取用户属性；步骤6.结合用户属性耦合相似度和用户兴趣内容语义相似度动态计算用户的综合相似度；步骤7.预测评分，选取评分最高的前n个项目作为推荐集。本发明可以提升最近邻用户集的质量和可靠性，有效地解决冷启动问题和稀疏性问题。
📄 2019109142918
📂 G06F16_9536
👤 浙江工业大学
📅 2019-09-25
一种基于网络嵌入和节点相似性的在线社交网络用户社区发现方法，运用网络嵌入方法把高维社交网络转化为低维向量数据，计算用户节点之间的距离和每个节点的动态邻居引力和动态邻居引力中心性，进而确定各个初始小社区的中心节点然后将其余数据点归属到与其距离最近的初始中心节点所代表的小社区中，生成社交网络用户的初始小社区集合；计算所有节点之间的距离，得到每个节点的最相似节点，形成最相似节点对，然后跟据最相似性节点对合并初始小社区并得到二次社区；最后通过优化模块度的方法合并二次社区并找到最优的网络社区结构。本发明使用网路嵌入向量计算节点之间的距离，利用最相似节点对合并社区，速度快，精确度高。
📄 2020109402068
📂 G06F16_9536
👤 浙江工业大学
📅 2020-09-09
本发明提出了一种基于开源软件邮件网络的角色推荐方法，包括以下步骤：S1：根据开源软件项目的邮件数据，构建无向有权网络；S2：对S1中构建的网络随机删除部分连边作为测试样本，将删除连边后的网络中剩余的连边作为训练样本并构建动态序列切片网络；S3：在动态序列切片网络上采用时序有偏游走算法生成每个节点的特征，再通过对两两节点的特征求均值得到连边的特征；S4：采用逻辑回归分类器对训练样本进行学习，并对测试样本进行预测。本发明能够有效地在开源软件项目中进行角色推荐，相比未考虑开源软件项目中邮件的时序信息和角色信息的算法，显著的提高了推荐的准确率。
📄 2020112655442
📂 G06F16_9536
👤 浙江工业大学
📅 2020-11-13
一种基于增强对比表征的在线社交平台好友推荐方法，首先，为在线社交平台构建社交网络和经过噪声扰动的负网络；接着，使用图神经网络提取社交网络和负网络的社交用户表征；然后，在社交用户表征上计算分层对比学习损失、拓扑损失以及结构损失；最后，联合各损失获得最终总的损失函数，同时通过最终得到的社交用户表征以实现个性化的好友推荐。本发明通过对原始社交网络进行信息增强，通过多损失约束以提升网络的鲁棒性并捕捉深层的潜在信息，有助于为在线社交平台提供高准确性和高泛化性的好友推荐结果。
📄 2025100771318
📂 G06F16_9536
👤 浙江工业大学
📅 2025-01-17
一种Web开放环境下基于Mashup服务邻域的Web API推荐方法，包括以下步骤：第一步、构建需求Mashup语义特征向量，匹配Mashup服务类簇；第二步、收集邻域内Mashup服务调用过的Web API数据，构建Web API邻域；第三步、根据邻域中构建好的Web API功能分类，对数据集中剩余的Web API进行功能类别划分；第四步、计算流行度和共现度，并进行排名，得到最终推荐列表。本发明首先初步判定需求的功能类别，明确了Web API的筛选范围，然后对数据集中所有的Web API进行功能类别划分，最后根据流行度、平均共现度的排名做出推荐，推荐的精准度较高和多样性较好。
📄 2020109401968
📂 G06F16_9536
👤 浙江工业大学
📅 2020-09-09
基于边增长的社交网络人物重要性层级提升方法，包括：步骤S1，假设无向无权网络G，利用K‑core分解算法对网络G中的各个节点分配核值，选择其中核值最高的子图网络G′设定为期望提升核值的子图；S2，按照G′中节点的度值大小对子图G′进行剪枝，去除度值小的节点，只保留最大连通子图G″，根据目标节点之间的路径长度和度值大小计算子图G″中各个节点的优先级，产生候选节点列表；S3，在候选节点列表内产生待连接的链路，按照节点的优先级由计算公式对链路排序，依次添加优先级最高的链路至原网络中；本发明利用边增长的方法，产生待连接链路列表，减小链路搜索复杂度，配合贪婪算法，快速高效的提高期望节点的核值，有效的提升社交网络中领袖人物重要性层级。
📄 2022110268251
📂 G06F16_9536
👤 浙江工业大学
📅 2022-08-25
柿子坊 · 知识产权运营
柿子坊知识产权运营平台