一种基于邻居信息和属性网络表征学习的微博用户社团发现方法.pdfVIP

下载本文档

0
0
约6.41千字
约 7页
2023-07-29 发布于四川
举报
版权申诉

一种基于邻居信息和属性网络表征学习的微博用户社团发现方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

一种基于邻居信息和属性网络表征学习的微博用户社团发现方法，利用现有的微博数据构建属性网络G＝(V，E，F)，根据用户关注信息的邻接矩阵A计算节点相似度SAij，根据用户属性信息矩阵F计算属性接近度矩阵SF，对网络拓扑和属性信息联合建模，采用分布式算法进行求解，最小化目标函数J，得到每个用户的嵌入向量H，对每个用户的嵌入向量H进行k‑means聚类，得到用户的类别标签，实现社团发现。本发明使用属性网络表征学习框架融合了微博用户的关注信息和属性信息，将高维用户信息转化为低维特征空间的向量，用k‑me

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112084418 A (43)申请公布日 2020.12.15 (21)申请号 202010742856.1 (22)申请日 2020.07.29 (71)申请人浙江工业大学地址