申请/专利权人：复旦大学

申请日：2022-05-13

公开（公告）日：2022-09-13

公开（公告）号：CN115049042A

主分类号：G06N3/04

分类号：G06N3/04;G06K9/62

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.30#实质审查的生效;2022.09.13#公开

摘要：本发明属于网络信息分析技术领域，具体为一种基于多个小集团结构嵌入的高阶网络模型生成方法。本发明包括：给定初始矩阵，通过Kronecker内积迭代得到连边概率矩阵，并生成初始连边图，获得初始图中各节点的一阶度k1、广义度km和最大度k1‑max；从2阶小集团开始，根据网络的特征属性选择度依赖函数，选取广义度较小的节点，得到包含标记节点的标记连边图；再根据一阶度k1生成小集阶团的阶数m，进而得到一个m阶小集团结构，将小集团结构嵌入后得到生成图；逐步增大嵌入的小集团结构的阶数，重复上述步骤中节点标记和小集团结构嵌入，直至嵌入k1‑max阶小集团结构。本发明可很好地模拟不同聚类系数的真实网络，并刻画出真实网络的高阶结构特征。

主权项：1.一种基于多个小集团结构嵌入的高阶网络模型生成方法，其特征在于，具体步骤如下：步骤1：给定一个初始矩阵，通过Kronecker内积迭代数次，得到连边概率矩阵，根据连边概率矩阵中的节点对之间的连接概率生成连边，得到初始连边图，并获得初始图中各节点的一阶度k1、广义度km和最大度k1-max；这里，一阶度k1是节点的连边数目，m阶广义度km表示该节点所处的m阶小集团的数量，最大度k1-max是所有节点中最大的一阶度；步骤2：从2阶小集团开始，根据真实网络的特征属性选择合适的度依赖函数fm，有倾向地选取广义度较小的节点，得到包含标记节点的标记连边图；步骤3：若选中节点的一阶度k1大于等于生成小集阶团的阶数m，则选中的标记节点在其邻居节点中随机选取m个节点进行全连接，得到一个m阶小集团结构，将嵌入小集团结构之后得到的图称之为生成图；步骤4：逐步增大嵌入的小集团结构的阶数，在生成各阶小集团时均重复上述步骤2的节点标记和步骤3的小集团结构嵌入，直至嵌入k1-max阶小集团结构的流程结束。

全文数据：

权利要求：

百度查询： 复旦大学 基于多个小集团结构嵌入的高阶网络模型生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD