哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)刘圣鑫获国家专利权
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!
龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于极大有向稠密子图枚举的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:CN118710429B 。
龙图腾网通过国家知识产权局官网在2025-11-25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:202410755778.7,技术领域涉及:G06Q50/00;该发明授权基于极大有向稠密子图枚举的社群发现方法是由刘圣鑫;杨宇琪设计研发完成,并于2024-06-12向国家知识产权局提交的专利申请。
本基于极大有向稠密子图枚举的社群发现方法在说明书摘要公布了:本发明提供基于极大有向稠密子图枚举的社群发现方法,涉及数据处理技术领域。通过将待处理社交网络数据转化为待处理图,对待处理图中的各个顶点都生成对应的集合组,通过递归枚举的方式对顶点对应的集合组进行更新生成分支,最终得到目标子图,目标子图是待处理图中规模超过预设限制值,且每个顶点的出度不小于n‑k,入度不小于n‑l的极大子图,基于目标子图确定目标社群,这样可以通过从待处理社交网络数据对应的图中查找规模超过预设限制值的极大稠密子图的方式从社交网络中准确发现大规模的社群。
本发明授权基于极大有向稠密子图枚举的社群发现方法在权利要求书中公布了:1.一种基于极大有向稠密子图枚举的社群发现方法,其特征在于,包括: 将待处理社交网络数据转化为待处理图,所述待处理图中包括多个顶点以及多条有向边,所述待处理图中的点对应所述待处理社交网络数据中的社交网络用户,所述待处理图中的有向边对应所述待处理社交网络数据中各个社交网络用户之间的关联信息,所述关联信息反映所述社交网络用户之间的关注情况或互动情况; 基于所述待处理图中的各个顶点的出入度最小值对所述各个顶点进行排序,得到第一排序结果,基于所述第一排序结果生成各个顶点分别对应的总分支,所述总分支对应一个集合组,所述集合组中包括互不相交的必选集、候选集和排除集,所述总分支对应的所述必选集和所述排除集中分别包括所述第一排序结果中在所述总分支对应的顶点之后和之前的相关点,所述相关点与所述总分支对应的顶点在所述待处理图中的距离小于等于2; 对各个所述总分支进行递归枚举,得到所述总分支对应的目标子图,在对所述总分支进行递归枚举的过程中,基于枢纽点对分支对应的所述集合组进行更新以生成多个分支,每个分支对应一个所述集合组,在所述总分支的各个分支中确定目标分支,将目标分支对应的必选集中的点作为目标顶点,所述枢纽点为所述集合组中所述必选集合和所述候选集中的顶点,所述目标分支对应的必选集对应目标子图,所述目标子图为所述待处理图中规模超过预设限制值,且满足第一约束条件的极大子图,所述第一约束条件为每个顶点的出度不小于,入度不小于,为所述待处理图中的顶点数量,,为大于等于1的正整数; 基于所有的所述目标子图确定目标社群,所述目标社群中的社交网络用户为所述目标子图中的顶点对应的社交网络用户; 所述相关点还满足第二约束条件,所述第二约束条件为: 若所述相关点与所述总分支对应的顶点之间存在有向边,则第一连接点集合和第二连接点集合的交集中点数量大于第一值,所述第一连接点分别为所述相关点和所述总分支对应的顶点的邻居,所述第一值为所述预设限制值与,中的最小值的两倍之间的差值; 若所述相关点与所述总分支对应的顶点之间不存在有向边,则所述第一连接点集合和所述第二连接点集合的交集中点数大于第二值,所述第二值为所述预设限制值与,中的最小值的两倍之间的差值加2; 所述基于枢纽点对分支对应的所述集合组进行更新以生成多个分支,包括: 当所述枢纽点属于所述集合组中的所述必选集时: 将所述候选集中的第一类型点分批加入至所述必选集和所述排除集以生成多个第一分支,基于每个所述第一分支对应的所述必选集确定继续分支或剪除分支; 将所述候选集中的存留第二类型点分批加入至所述必选集或所述排除集以生成多个第二分支,基于每个所述第二分支对应的所述必选集确定继续分支或剪除分支,所述存留第二类型点为第二类型点中去除被剪除的所述第一分支对应的所述第一类型点后的点; 当所述第一类型点为所述枢纽点的出边邻居时,所述第二类型点为所述枢纽点的入边邻居,当所述第一类型点为所述枢纽点的入边邻居,所述第二类型点为所述枢纽点的出边邻居; 当所述枢纽点属于所述集合组中的所述候选集时: 将所述枢纽点加入所述排除集以生成新的分支; 获取将所述枢纽点加入至所述必选集后的分支对应的上界,确定所述上界是否超过所述预设限制值,若是则将所述枢纽点加入所述必选集以生成新的分支,若否则剪除分支,分支对应的上界反映分支对应的所述必选集和所述候选集中的点构成的满足所述第一约束条件的极大子图的最大规模。
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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院),其通讯地址为:518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区;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”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励