一种基于深度图信息最大化的动态社团挖掘方法

发明专利有效专利

申请号：
CN202110254197.1
IPC分类号：G06K9/62;G06N3/04;G06N3/08;G06Q50/00
申请日期：
2021-03-09
申请人：
西北工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度图信息最大化的动态社团挖掘方法
申请号	CN202110254197.1	申请日期	2021-03-09
法律状态	实质审查	申报国家	中国
公开/公告日	2021-06-25	公开/公告号	CN113033627A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;Q;5;0;/;0;0查看分类表>
申请人	西北工业大学	申请人地址	陕西省西安市友谊西路127号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西北工业大学	当前权利人	西北工业大学
发明人	刘晨;张凡;李向华;王震;高超;朱培灿
代理机构	西安铭泽知识产权代理事务所（普通合伙）	代理人	王力文

摘要

本发明公开了一种基于深度图信息最大化的动态社团挖掘方法，属于人工智能与复杂网络技术领域；首先，构建网络中节点的相似度矩阵，利用节点的相似度，衡量邻居节点对于每个节点的重要性。然后，在单个时间步上使用图卷积神经网络，提取出每个时间步上的特征矩阵，在学习过程中，借助LSTM更新下一个时间步的特征矩阵的权重系数。在提取完所有时间步上的特征矩阵后，利用余弦相似度平滑相邻两个时间步的特征矩阵，保证相邻时间步的差距较小。通过结合相似聚合策略，在单个时间步上利用图卷积神经网络进行特征提取，在相邻时间步间使用余弦相似度进行平滑操作，高效地提取出动态网络的特征矩阵。最后，将得到的特征矩阵输入到k‑means算法中，得到社团划分。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供