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！

龙图腾网获悉浙江大学申请的专利无社区基数下的社交网络社区发现方法及装置、电子设备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：CN116775942B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310452669.3，技术领域涉及：G06F16/901；该发明授权无社区基数下的社交网络社区发现方法及装置、电子设备是由苗晓晔;刘悦;尹建伟设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本无社区基数下的社交网络社区发现方法及装置、电子设备在说明书摘要公布了：本发明公开了一种未知社区基数下社交网络的社区发现方法。该方法首先构建编码器，使用任意无监督方法训练编码器，将输入社交网络映射到欧氏空间，获得顶点的表征向量；计算顶点对的相似度矩阵，并对相似度进行排序，取相似度较高的顶点对构成正样本，取相似度较低的顶点对作为负样本，并分别赋予伪标签，构成训练集；构建社区关系预测模型，使用二元交叉熵损失函数训练模型，预测顶点对的社区关系，同时优化超参数；根据模型预测结果构建结构图，将结构图输入刘温算法得到最终的社区发现结果。实验表明，在不提供社区基数的条件下，该方法能够较准确地探测社交网络中的社区结构。

本发明授权无社区基数下的社交网络社区发现方法及装置、电子设备在权利要求书中公布了：1.一种无社区基数下的社交网络社区发现方法，其特征在于，包括： 采集社交网络数据，构造以用户为顶点、用户关系为连边、用户个人信息为顶点属性的社交网络； 构建社交网络编码器，使用任意无监督方法训练所述编码器； 通过训练好的编码器将社交网络的顶点映射到欧氏空间，获得顶点表征矩阵； 根据所述顶点表征矩阵，计算每对顶点之间的相似度； 根据所述相似度，构建带伪标签的训练样本； 构建社交网络社区关系预测模型，基于所述训练样本使用二元交叉熵损失函数训练所述社交网络社区关系预测模型； 根据所述社交网络社区关系预测模型的预测结果，构建新的结构图； 将所述新的结构图输入结构图聚类算法，得到最终的社区发现结果； 其中，根据所述相似度，构建带伪标签的训练样本，包括以下步骤： 将所述相似度展平至一维，并对其从大到小排序； 根据所述排序得到每对顶点的相似度序号； 取所述相似度序号在前p%的顶点对作为正样本，标记伪标签1； 取所述相似度序号在后q%的顶点对作为负样本，标记伪标签0，其中q远大于p； 根据所述正样本和负样本从所述顶点表征矩阵Z中取出顶点表征向量； 计算所述顶点表征向量之间的点积得到顶点对表征向量； 根据所述顶点对表征向量和所述伪标签构建训练样本，一个顶点对表征向量，伪标签元组构成一条训练样本； 将所述训练样本中的顶点对表征向量标准化为均值为0、方差为1的数据分布，以保证稳定地训练所述社区关系预测模型； 其中，构建社交网络社区关系预测模型，基于所述训练样本使用二元交叉熵损失函数训练所述社交网络社区关系预测模型，包括以下步骤： 构建由两层全连接层组成的社区关系预测模型； 将所述顶点对表征向量输入所述社区关系预测模型，得到两个用户属于同一社区的预测概率； 根据所述预测概率和所述伪标签计算二元交叉熵损失函数； 根据所述二元交叉熵损失函数通过梯度下降法优化模型参数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。