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！

龙图腾网获悉东北大学申请的专利一种面向社交网络的兴趣社群发现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：CN110457477B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：201910734196.X，技术领域涉及：G06F18/23213；该发明授权一种面向社交网络的兴趣社群发现方法是由韩东红;杨乐;李洛妮;王志瑞;乔白友;刘晨设计研发完成，并于2019-08-09向国家知识产权局提交的专利申请。

本一种面向社交网络的兴趣社群发现方法在说明书摘要公布了：本发明提供一种面向社交网络的兴趣社群发现方法，涉及社区发现技术领域，本发明在传统TextCNN模型基础上建立新的深度学习模型，能够支持多篇社交网络文本输入，并结合社交网络文本间的相似度，提出了基于TextCNN结合相似度的多文本兴趣建模方法，并提出了结合网络结构和互动行为的用户兴趣特征建模方法。利用LM神将网络算法构建用户影响力模型，再根据该模型结果、关注关系以及@行为信息对基于SMB‑TextCNN的结果进行调整，最后根据SIBUIM的结果，提出了基于k‑means重叠的兴趣社区发现方法。该方法考虑了社交网络的结构性以及节点的内容，并且能够对新浪微博用户进行重叠的兴趣社区划分。

本发明授权一种面向社交网络的兴趣社群发现方法在权利要求书中公布了：1.一种面向社交网络的兴趣社群发现方法，其特征在于：包括以下步骤： 步骤1：将TextCNN卷积神经网络模型的单文本输入改为多文本输入，并利用TextCNN卷积神经网络生成用户的兴趣特征矩阵，利用每个用户多个社交网络文本之间的文本相似度对得到的兴趣特征矩阵进行调整； 步骤1.1：读取同一用户ID的多篇社交网络文本，利用python语言实现的中文分词模块结巴分词中的精确模式对该用户的多篇社交网络文本进行分词； 步骤1.2：使用word2vec模型中的CBOW，即ContinuousBag-of-WordsModel训练模型对分词结果进行向量化； 步骤1.3：将所述步骤1.2得到的词向量输入到TextCNN卷积神经网络模型中，经过卷积层，池化层，全连接层操作后，得到该用户的网络社交文本兴趣特征矩阵T＝{I1，I2，…IN}T； 步骤1.4：利用余弦相似性计算该用户每篇网络社交文本之间的文本相似性，将得到的网络社交文本相似性作为权重对网络社交文本兴趣特征矩阵进行调整； 步骤2：用LM神经网络算法构建用户影响力模型，将用户影响力分为高、较高、中、低四个等级，再根据用户影响力模型结果、用户关注关系以及@行为信息对基于TextCNN的结果进行调整； 步骤2.1：抽取社交网络平台的用户的粉丝数、发表文本数、点赞数、评论数、转发数作为影响力模型的特征，将相同ID的用户数据进行合并； 步骤2.2：采用所述步骤2.1得到的用户数据对LM神经网络分类器进行训练验证，将用户影响力分为高、较高、中、低四个等级； 步骤2.3：采用所述步骤2.2中训练的LM神经网络分类器对用户ui的关注者列表构成的关注者集合UFi进行影响力的分类，并从中选取影响力类别为高的用户构成集合HFi； 步骤2.4：分别计算用户ui与集合HFi中所有用户的社交网络文本之间的相似性，利用得到的文本相似性调整所述步骤1.4得到的兴趣特征矩阵； 步骤2.5：计算用户ui的@列表构成的@用户集合P中元素的兴趣矩阵，并计算其兴趣矩阵与ui的兴趣矩阵的相似性，并用得到的结果对所述步骤2.4得到的兴趣特征矩阵进行调整，得到最终的兴趣特征矩阵Fi； 步骤3：基于k-means均值聚类的思想，利用兴趣特征矩阵Fi对社交网络平台用户进行重叠社区的发现和划分； 步骤3.1：计算每个用户兴趣特征矩阵中的每个兴趣类别上各元素的和，兴趣类别第k列各元素的和记为Sumik，所有用户在兴趣类别k上Sumk的值记为Yk＝{Sum1k,Sum2k,…Sumzk}； 步骤3.2：兴趣类别的Y构成的集合为L＝{Y1,Y2,…Ym}，对集合L中每个元素内部进行k-means算法，即社区构成的集合记为集合C，将Yk内部进行社区划分的结果按照各社区质心的位置从高到低排序，记为{Ck1，Ck2，Cka}； 步骤3.3：设每个兴趣社区下有y个小社区，这y个小社区分别代表每个兴趣类别下的兴趣社区的分布状况，因此对L中每个元素取前y个社区作为本方法在每个类别上社区划分结果。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。