[发明专利]一种基于深度学习的社区发现方法在审
| 申请号： | 201810408837.8 | 申请日： | 2018-04-26 |
| 公开（公告）号： | CN108596264A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 石文峰;商琳 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06Q50/00 |
| 代理公司： | 江苏圣典律师事务所 32237 | 代理人： | 胡建华;于瀚文 |
| 地址： | 210023 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的社区发现方法，包括以下步骤：对输入进行预处理，结合节点间邻居个数和距离得到网络的相似度矩阵；采用卷积与全连接结合的方式构建深度学习网络，从而提取网络深层次非线性特征；将第一层网络得到的特征作为第二层网络的输入，并依此类推构成最终深度网络；采用输入与输出的差值以及稀疏性限制和正则化作为损失函数训练网络；将训练完成得到的特征输入聚类算法中得到社区的划分结果。 | ||
| 搜索关键词： | 网络 社区发现 预处理 非线性特征 相似度矩阵 方式构建 划分结果 聚类算法 损失函数 特征输入 训练网络 第一层 稀疏性 正则化 卷积 学习 邻居 输出 社区 | ||
【主权项】：
1.一种基于深度学习的社区发现方法，其特征在于，包括以下步骤：步骤1，数据预处理：通过考察网络数据间的联系，定义节点间相似性与两个节点的最短路径长度负相关和共同的邻居节点个数正相关，得到相似度矩阵；步骤2，提取网络特征：构建深度学习网络，并使用其提取网络的结构特征矩阵；步骤3，使用聚类算法对提取到的网络的结构特征进行聚类，得到社区发现的结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810408837.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种相册图片归类方法
- 下一篇：基于文本描述信息和生成对抗网络的视频生成模型
