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！

龙图腾网获悉北京航空航天大学申请的专利一种基于关联分析的社交网络传播主干结构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：CN117194808B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202311073476.3，技术领域涉及：G06F16/9536；该发明授权一种基于关联分析的社交网络传播主干结构发现方法是由孙庆赟;秦佳雯;安华;季诚;杨贝宁;袁昊男;李建欣设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本一种基于关联分析的社交网络传播主干结构发现方法在说明书摘要公布了：本发明实现了一种基于关联分析的社交网络传播主干结构发现方法。由用户重要性度量模块和传播主干结构学习模块组成，首先输入社交媒体特定话题数据社交网络库，提取社交网络的用户表征；用户重要性度量模块将所述用户表征；而后挑选top‑k社交网络中的关键用户及其周围邻居用户构成的关键用户群体，输入所述传播主干结构学习模块；传播主干结构学习模块包括用户关联关系子模块以及用户交互性子模块，输出传播主干结构。从而实现挖掘社交网络中关键用户的同时可以获取周围用户群体的关联信息，获得社交网络特定话题下的信息传播主干网络的效果。

本发明授权一种基于关联分析的社交网络传播主干结构发现方法在权利要求书中公布了：1.一种基于关联分析的社交网络传播主干结构发现方法，其特征在于：由用户重要性度量模块和传播主干结构学习模块组成，首先输入社交媒体特定话题数据社交网络库，若不存在该话题则直接结束，若存在则取出该话题对应的信息传播网络，构建社交网络，进而提取社交网络的用户表征； 所述用户重要性度量模块将所述用户表征，分别输入用户局部重要度子模块以及用户全局重要度子模块，根据用户局部重要度、用户全局重要度得到每个用户的重要性分数；之后将每个用户的重要性分数进行排序； 而后挑选top-k社交网络中的关键用户及其周围邻居用户构成的关键用户群体，输入所述传播主干结构学习模块； 所述传播主干结构学习模块包括用户关联关系子模块以及用户交互性子模块；根据用户重要性度量模块中挑选出的top-k社交网络中的关键用户及其周围邻居用户，通过用户关联关系子模块和用户交互子模块，得到每对用户对之间存在联系的概率，重新学习这些用户之间的关联关系，得到新的邻接矩阵，构成传播主干结构； 所述取出该话题对应的信息传播网络的方法为：首先基于话题关键词获取预设时间段的话题数据，通过预先设置的时间段以及关键词利用爬虫技术获取相关的内容；若内容之间是转发、评论关系，则对应的两个用户节点之间存在一条连边，通过提取用户的社交属性和自身属性作为用户节点的初始用户表征； 所述用户重要性度量模块，输入为社交网络中用户节点的特征矩阵X，以及所述用户节点之间的关系矩阵A，根据构造的社交网络结构以及从社交媒体平台获取的用户节点特征，基于图卷积神经网络，得到各个节点的低维表示输出，计算节点与邻居节点的相关性，以及用户群体在整个社交网络中的信息关联度，输出每个节点的重要性分数； 其中所述用户局部重要度计算子模块的实现方式为：给定一个图,定义表示图的邻接矩阵，表示图的特征矩阵，设计一个判别器分析每个节点与其相应阶邻居之间的相关性： 其中，表示图中的所有节点集合，表示节点的阶所有邻居节点集，表示中非节点的任意一个节点，表示节点的特征向量，表示节点的阶所有邻居节点的特征之和，是一个判别器，MLP为多层感知机，表示激活函数，训练过程中实现最大化； 通过计算每个节点描述邻居节点的能力，即节点对局部信息的可判别性，设计节点的局部重要度分数：； 所述用户全局重要度计算子模块的实现方式为：将节点的阶邻居区域视为大图中的一个子图，子图的中心是节点本身，通过设计一个判别器计算节点的阶邻居信息与整图的关联程度，具体定义为： 其中，表示图中的所有节点集合，表示节点的阶所有邻居节点集，表示中非节点的任意一个节点，表示节点的阶所有邻居节点的特征之和，表示社交网络的特征向量是一个判别器，MLP为多层感知机，表示激活函数，在训练过程中需要最大化；通过计算每个子图描述全局信息的能力，即子图对全局信息的可判别性，设计以节点为中心的节点全局重要度分数：。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。