一种基于非负矩阵分解的社交网络特征提取方法

发明专利有效专利

申请号：
CN201911279182.X
IPC分类号：G06Q50/00;G06F17/16
申请日期：
2019-12-12
申请人：
华中科技大学

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	一种基于非负矩阵分解的社交网络特征提取方法
申请号	CN201911279182.X	申请日期	2019-12-12
法律状态	实质审查	申报国家	暂无
公开/公告日	2020-05-01	公开/公告号	CN111091475A
优先权	暂无	优先权号	暂无
主分类号	G06Q50/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法〔8〕 G06Q50/00 特别适用于特定商业领域的系统或方法，例如公用事业或旅游（医疗信息学入G16H）〔2006.01，2012.01〕	IPC分类号	G;0;6;Q;5;0;/;0;0;;;G;0;6;F;1;7;/;1;6查看分类表>
申请人	华中科技大学	申请人地址	湖北省武汉市洪山区珞喻路1037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	华中科技大学	当前权利人	华中科技大学
发明人	金海;石宣化;华强胜;黄宏;宋宇
代理机构	华中科技大学专利中心	代理人	李智

摘要

本发明公开了一种基于非负矩阵分解的社交网络特征提取方法，属于网络科学领域。本发明通过两种矩阵分解的策略，将原始的高维的稀疏的网络数据编码为低维的稠密的向量，易于存储，其中，联合矩阵分解中Ul被所有视角共享，表示所有视角的一致性信息；独立矩阵分解中是每个视角私有的，表示各个视角的独特性信息。将原始网络的特征进一步抽象为特征向量，有利于提升后续的网络分析任务的性能。可以方便地进行并行计算，大大提升了后续任务的计算效率。多阶段的非负矩阵分解可以使得每一阶段的残差矩阵逐渐变得稀疏与低秩，从而矩阵分解的误差可以逐步降低，获得更好的网络表示学习效果。

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