买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利基于增强网络对比约束的多通道社交圈子识别装置及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115169538B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210847729.7，技术领域涉及：G06F18/20；该发明授权基于增强网络对比约束的多通道社交圈子识别装置及方法是由高超;尹泽;王震;李向华;李学龙设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本基于增强网络对比约束的多通道社交圈子识别装置及方法在说明书摘要公布了：本发明涉及人工智能与社交网络技术领域，公开了一种基于增强网络对比约束的多通道社交网络圈子识别装置及方法。所述装置包括输入模块、求解模块和输出模块，输入模块的工作为数据预处理，将现实世界中存在的多通道社交网络抽象为多层网络结构；求解模块包括网络生成模型和节点表示模型；基于节点表示模型计算可学习增强网络和原始输入网络的低维表示，并基于所求两个低维表示求解损失函数，反向优化网络生成模型和节点表示模型的参数，从而使得装置具有更高的准确率和鲁棒性。最后，将所求多层网络低维表示导入输出模块，利用Kmeans求得社团划分。在本质上，所求得的社团划分对应于现实世界中一组网络用户账号构成的社交圈子。

本发明授权基于增强网络对比约束的多通道社交圈子识别装置及方法在权利要求书中公布了：1.一种基于增强网络对比约束的多通道社交圈子识别方法，其特征在于，包括以下步骤： S1：将多通道社交网络建模为多层网络，向多通道社交圈子识别装置输入代表多通道社交网络的多层网络的邻接矩阵；其中每层网络表示一种社交网络平台构成的信息传播通道，网络中每个节点是现实世界中社交网络平台中用户账号的映射，节点间的连边代表用户账号间的社交行为，所述社交行为包括转发和评论；所述多层网络表示为G={G1,G2,…,GL}，利用多层网络的邻接矩阵A={A1,A2,…,AL}进行求解，L为网络的层数，矩阵规模为，N表示节点也即用户账号的数量； S2：设置迭代次数Epoch、学习率lr和丢弃概率dp； S3：多通道社交圈子识别装置首先基于图卷积网络即GCN和多层感知机即MLP构建网络生成模型，并基于GCN构建节点表示模型；网络生成模型是聚合多层网络信息生成增强信息的过程；而节点表示模型则是聚合增强网络和原始多层网络的信息，并将结果基于对比学习思想求解对比损失的过程； S4：基于网络生成模型生成可学习增强网络：首先，利用GCN提取并聚合每层网络的信息，并基于MLP生成每个节点与其余节点间的权重，生成增强网络的邻接矩阵；增强网络是一个的矩阵，其中每个向量表示聚合了多层网络信息后，生成的每个节点的特征； S5：基于节点表示模型，首先计算S4步骤中生成的可学习增强网络的低维表示，然后计算输入多层网络中每层网络的低维表示；所述可学习增强网络的低维表示，标准化后记作；多层网络中每层网络的低维表示Hi，标准化后记作Zi，其中i={1,2,…L}，L为网络层数； S6：利用可学习增强网络的低维表示与多层网络低维表示构建对比，计算对比损失，基于如下公式，求解损失函数： ， 其中，diag*表示计算*的对角矩阵，s为softmax函数，τ表示常数，mean表示计算平均值，Zi T表示Zi的转置； S7：基于S6所求损失函数，反向优化网络生成模型和节点表示模型； S8：循环执行训练过程S4-S7，迭代优化网络生成模型和节点表示模型，直到迭代次数达到预定参数Epoch； S9：基于训练好的节点表示模型，求解多层网络共识低维表示，并采用Kmeans求解共识社团划分； 所述多通道社交圈子识别装置包括： 输入模块，该模块用于读取输入的多通道社交网络结构信息，并按算法需要格式，将其转化为邻接矩阵和特征矩阵的形式； 求解模块，该模块包含网络生成模型和节点表示模型，其中，网络生成模型用于根据所输入网络聚合多层网络信息，并生成可学习增强网络；节点表示模型则用于求解输入网络的低维表示，并根据所求得的低维表示计算对比损失，进而反向优化装置中的所有模型参数； 输出模块，该模块基于聚类算法，将多层网络共识低维表示转化为多通道社交网络的共识社团划分，即社交圈子。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。