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！

龙图腾网获悉国电南瑞科技股份有限公司申请的专利基于图表征学习的网络用户社交行为分析方法、装置及存储介质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：CN114298851B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202111332437.1，技术领域涉及：G06Q50/00；该发明授权基于图表征学习的网络用户社交行为分析方法、装置及存储介质是由陆继翔;陈轶洲;林明凯;陆进军;曹蓉蓉;杨志宏设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本基于图表征学习的网络用户社交行为分析方法、装置及存储介质在说明书摘要公布了：本发明提供一种基于图表征学习的网络用户社交行为分析方法、装置及存储介质，方法包括：获取待预测社交网络的网络信息，利用图表征学习方法提取社交网络中用户的特征矩阵，以及表示社交网络结构信息的邻接矩阵，输入预先训练的图神经网络模型，得到图神经网络模型的输出；根据图神经网络模型的输出确定社交网络中各用户在预测时段的社交行为预测结果；其中，所述预先训练的图神经网络模型的输出为社交网络中各用户在预测时段做出特定社交行为的概率。本发明从提取用户特征与图结构特征的角度出发，运用图嵌入方法对用户的局部网络进行特征提取，能够更准确的了解用户偏好和网络信息传播模式，从而能够更准确的预测社交网络用户的行为。

本发明授权基于图表征学习的网络用户社交行为分析方法、装置及存储介质在权利要求书中公布了：1.一种基于图表征学习的网络用户社交行为分析方法，其特征是，包括：获取待预测社交网络的网络信息；基于获取到的网络信息，利用图表征学习方法提取社交网络中用户的特征矩阵，以及表示社交网络结构信息的邻接矩阵；将提取得到的用户特征矩阵和邻接矩阵输入预先训练的图神经网络模型，得到图神经网络模型的输出；根据图神经网络模型的输出确定社交网络中各用户在预测时段的社交行为预测结果；其中，所述预先训练的图神经网络模型的输出为社交网络中各用户在预测时段做出特定社交行为的概率；其中：用图表示网络信息获取时刻的静态网络，其中，表示用户的集合，表示用户间关系集合；对于用户，其“r-邻居”表示为顶点集：，其中表示两用户节点之间的最短路径长度，为预设的距离阈值；用户的“r-自我中心网络”为由顶点集在图中推导得到的子图，记为；用表示用户在时刻是否做出特定社交行为，若是则，若否则，表示用户的自我中心网络中，所有邻居节点的社交行为状态集合；所述利用图表征学习方法提取社交网络中用户的特征矩阵以及表示社交网络结构信息的邻接矩阵，包括：根据获取到的网络信息中用户之间的连接关系，构造邻接矩阵：若网络中两个用户之间相连，则矩阵中对应位置的值为1，否则为0；采用带重启动的随机游走方法对各用户所处的局部网络进行采样，得到局部网络节点集合，为预设的访问节点数量阈值；由推导得到表示节点所处局部网络的子图，则相应的社交行为状态集合为；对各用户节点分别提取社交影响上下文，输入至node2vec模型，得到用户节点的隐藏表征向量；对用户节点的隐藏表征向量进行正则化处理，正则化处理公式为： ，其中，表示用户节点的数量，为处理后的用户节点表征向量，和分别为表征矩阵的平均值和标准差，是用于维护数值稳定性的定值，且有： ， ，利用所有用户的隐藏表征向量构造用户特征矩阵，的每一列分别对应每个用户的表征向量；所述采用带重启动的随机游走方法对各用户所处的局部网络进行采样，包括：从起始节点开始，随机访问当前节点的相邻节点，按照设定的访问节点数量阈值，以设定的起始节点访问概率进行当前节点对下一相邻节点的随机访问迭代；将全部已访问的网络节点记入局部网络节点集合。

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国电南瑞科技股份有限公司，其通讯地址为：211106 江苏省南京市江宁区诚信大道19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”。