買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜安徽大學申請的專利基于動態調整和鄰居對比模塊的網絡社團劃分方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119693171B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411760607.X，技術領域涉及：G06Q50/00；該發明授權基于動態調整和鄰居對比模塊的網絡社團劃分方法是由孫登第;吳志翔設計研發完成，并于2024-12-03向國家知識產權局提交的專利申請。

本基于動態調整和鄰居對比模塊的網絡社團劃分方法在說明書摘要公布了：本發明公開一種基于動態調整和鄰居對比模塊的網絡社團劃分方法，獲取社交網絡數據并構建原始圖，圖增強模塊基于樣本學習正負例法對原始圖進行社團劃分，生成兩個新的增強圖，將兩個增強圖輸入共享參數的雙層編碼器，通過編碼器分別進行特征提取，得到對應的節點特征，對節點特征輸入自適應調整模塊，動態調整重構，通過鄰居對比模塊來評估每個鄰居對損失計算的貢獻，計算對比損失時引入錨點相鄰節點的相似度，通過對比損失和重構損失來評估模型的預測值與真實值之間差別。本發明通過引入鄰居對比模塊，將鄰居錨點對相似度得分相加，使得模型能夠更精確地區分正樣本對和負樣本對，從而提高了模型的聚類和預測準確性。

本發明授權基于動態調整和鄰居對比模塊的網絡社團劃分方法在權利要求書中公布了：1.一種基于動態調整和鄰居對比模塊的網絡社團劃分方法，其特征在于，包括以下步驟：步驟1、獲取社交網絡數據并構建原始圖G＝X,A，A表示社交網絡的鄰接矩陣，代表每個節點之間的連接關系，X表示是社交網絡中節點的特征矩陣，節點代表社交網絡中的用戶；通過圖增強模塊基于樣本學習正負例法對原始圖G＝X,A進行社團劃分，生成兩個新的增強圖G1＝X1,A1和G2＝X2,A2，具體方法為：隨機刪除原始圖中不重要的邊得到A1和A2，隨機刪除原始圖中不重要的屬性得到X1和X2；步驟2、將增強圖G1＝X1,A1和增強圖G2＝X2,A2一起輸入共享參數的雙層編碼器fθ，通過編碼器fθ對兩個增強圖分別進行特征提取，得到對應的節點特征Z1和Z2；步驟3、將步驟2所得特征Z1和Z2輸入自適應調整模塊，對特征Z1和Z2分別動態調整重構，得到新的鄰接矩陣A′1和A′2；將A′1和A1對比以及將A2與A′2對比，得到對應的交叉熵損失k1和k2；表達式如下： k1＝[-logA′1po-log1-A′1neg]k2＝[-logA′2pos-log1-A′2neg]上式中，T是指矩陣轉置，σ是Sigmoid函數，A′1pos代指A′1，A′1neg是通過負采樣生成A′1pos中不存在的邊；節點i表示錨點，節點j是指視圖內節點i的一階鄰居節點；是指增強圖G1中i節點特征，是指增強圖G1中和i節點相連的節點j的節點特征；是指增強圖G2中i節點特征，是指增強圖G2中和i節點相連的節點j的節點特征；步驟4、通過鄰居對比模塊來評估每個鄰居對損失計算的貢獻，計算對比損失LN時，引入錨點相鄰節點的相似度，加入到正樣本對中；正節點包括不同視圖中錨點的相同節點以及視圖內和跨不同視圖的錨的鄰居節點；負節點包括視圖內和跨不同視圖的錨的非鄰居；LN的計算公式如下： 上式中，是指錨點相鄰節點的相似度；最終，通過總損失函數來評估模型的預測值與真實值之間差別；總損失包括對比損失LN、重構損失k1和重構損失k2；重構損失來最小化重建的鄰接矩陣與原始鄰接矩陣之間的差異。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人安徽大學，其通訊地址為：230601 安徽省合肥市蜀山區經開區九龍路111號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。