[发明专利]一种基于梯度信息的消息传播控制方法在审
| 申请号： | 201910813302.3 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110661696A | 公开（公告）日： | 2020-01-07 |
| 发明（设计）人： | 陈晋音;徐晓东;张敦杰;王珏 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | H04L12/58 | 分类号： | H04L12/58;G06Q50/00;G06N3/08 |
| 代理公司： | 33201 杭州天正专利事务所有限公司 | 代理人： | 王兵;黄美娟 |
| 地址： | 310014 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于梯度信息的消息传播控制方法，首先通过用户之间的关系和行为数据构建原始网络，然后通过预先训练好的传播预测模型对原始网络进行传播预测，再然后通过最小修改网络结构达到消息传播控制的目的，最后再通过相应的传播预测模型对修改后的网络进行传播预测，以验证消息的传播得到了控制。对用户级消息传播的控制，针对性较强；且对网络结构的改动较小，即消息传播控制的代价较小。 | ||
| 搜索关键词： | 消息传播 传播预测模型 网络结构 原始网络 传播 梯度信息 行为数据 验证消息 用户级 预测 构建 网络 | ||
【主权项】：
1.一种基于梯度信息的消息传播控制方法，包括以下步骤：/n1)构建原始网络；/n所述构建原始网络是指通过用户之间的关系数据获得原始网络的邻接表以储存所有节点的邻居信息，每个节点代表一个用户，邻接表以python中字典的形式记录；/n2)对原始网络进行传播预测；/n所述对原始网络进行传播预测是指通过预先训练好的deepinf模型对原始网络的传播进行预测；首先通过采样获得固定大小的子网络，然后将采样获得的子网络喂入具有小批量学习的深度神经网络，最后输出每个节点的二维表示，分别表示了节点的动作状态和该节点是否为被关注的中心节点v，
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浙江工业大学，未经浙江工业大学许可，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/201910813302.3/，转载请声明来源钻瓜专利网。
