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！

龙图腾网获悉西北工业大学申请的专利一种基于多尺度图对比学习的社交网络用户社区识别方法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：CN120318003B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510811527.0，技术领域涉及：G06Q50/00；该发明授权一种基于多尺度图对比学习的社交网络用户社区识别方法是由王震;魏凯航;李向华;滕敏;高超;李晓宇设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种基于多尺度图对比学习的社交网络用户社区识别方法在说明书摘要公布了：本发明公开了一种基于多尺度图对比学习的社交网络用户社区识别方法，涉及人工智能技术领域。根据社交网络数据，构建动态图；针对任一时刻，根据对应时刻的动态图结构，得到不同视图下的局部节点表示矩阵和全局图表示；根据不同视图下的局部节点表示和全局图表示，确定局部对比损失和局部与全局互信息损失，以对多视图图卷积网络进行训练，直至训练后的多视图图卷积网络满足停止条件；根据满足停止条件时的多视图图卷积网络对应的不同视图下的局部节点表示矩阵，确定共识节点表示矩阵；通过聚类算法对共识节点表示矩阵中的各元素进行聚类，得到对应时刻的用户社区划分。该方法能够精准识别具有不同兴趣偏好的动态用户群体。

本发明授权一种基于多尺度图对比学习的社交网络用户社区识别方法在权利要求书中公布了：1.一种基于多尺度图对比学习的社交网络用户社区识别方法，其特征在于，包括： 根据社交网络数据，构建动态图；所述社交网络数据包括用户的数量以及每个时刻的用户关注关系； 针对任一时刻，根据对应时刻的动态图结构，计算邻居重叠相似度矩阵和拓扑结构相似度矩阵，并根据邻居重叠相似度矩阵和拓扑结构相似度矩阵，得到节点特征矩阵和拓扑结构特征矩阵；邻居重叠相似度矩阵用于衡量动态图结构中任意两个用户节点之间的邻居相似度；拓扑结构相似度矩阵用于衡量动态图结构中任意两个用户节点之间拓扑结构的相似性； 将所述节点特征矩阵和拓扑结构特征矩阵输入至多视图图卷积网络中，得到不同视图下的局部节点表示矩阵和全局图表示； 根据不同视图下的局部节点表示矩阵，确定局部对比损失，根据不同视图下的局部节点表示和全局图表示，确定局部与全局互信息损失；根据局部对比损失和局部与全局互信息损失，对多视图图卷积网络进行训练，直至训练后的多视图图卷积网络满足停止条件，停止训练； 根据满足停止条件时的多视图图卷积网络对应的不同视图下的局部节点表示矩阵，确定共识节点表示矩阵； 通过聚类算法对共识节点表示矩阵中的各元素进行聚类，得到对应时刻的用户社区划分； 动态图G＝[G1,G2,...,GT]；Gt＝V,Et表示时刻t的动态图结构； 其中，V＝{v1,v2,...,vN}表示用户节点集合，N表示用户的总数量，Et表示用户之间在时刻t时的关注关系，T表示时刻的总数目；Et中在时刻t时用户节点vi和vj的关注关系用表示，若在时刻t时，用户节点vi和vj之间存在关注关系，则否则邻居重叠相似度矩阵的计算公式为： 其中，Nvi和Nvj分别表示图结构中用户节点vi和用户节点vj的邻居集合； 节点特征矩阵Xt的计算公式为： 其中，是时刻t时结构图的一阶邻域特征，At中的元素表示用户节点在时刻t时的一阶邻居特征向量；α为第一平衡参数； 拓扑结构相似度矩阵的计算公式为： 其中，为At中用户节点vi在时刻t时的一阶邻居特征向量，为At中用户节点vj在时刻t时的一阶邻居特征向量； 拓扑结构特征矩阵Yt的计算公式为： 其中，β为第二平衡参数； 所述不同视图下的局部节点表示矩阵的生成公式为： 其中，Ht1和Ht2是两个不同视图在时刻t时的局部节点表示矩阵，Ht1和Ht2中的元素表示用户节点的节点表示，ReLU1和ReLU2为时刻t时参数独立的激活函数，Wt1和Wt2分别为两个视图在时刻t时的独立参数矩阵； 全局图表示的生成公式为： 其中，gt1和gt2分别为在时刻t时两个视图的全局图表示，Sigmoid1和Sigmoid2分别为时刻t时参数独立的两个非线性激活函数，和分别为Ht1和Ht2中用户节点vi的节点表示。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。

以上内容由龙图腾AI智能生成。