Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安徽大学程凡获国家专利权

安徽大学程凡获国家专利权

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!

龙图腾网获悉安徽大学申请的专利一种基于进化PU算法的社交网络水军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:CN119719986B

龙图腾网通过国家知识产权局官网在2026-01-13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:202411847117.3,技术领域涉及:G06F18/2431;该发明授权一种基于进化PU算法的社交网络水军识别方法是由程凡;韩刚;李凯旋;汤琪设计研发完成,并于2024-12-16向国家知识产权局提交的专利申请。

一种基于进化PU算法的社交网络水军识别方法在说明书摘要公布了:本发明公开了一种基于进化PU算法的社交网络水军识别方法,包括:步骤1、收集正标签的社交网络水军特征样本集和无标签的社交网络用户特征样本集,作为待训练的数据集;步骤2、初始化种群,并构建一个引导向量;步骤3、基于进化PU算法对种群进行优化;步骤4、引导向量更新;步骤5、从最终种群中选择出一个最优个体,作为真实社交网络水军识别器。本发明能提高社交网络水军识别效率和准确率,不仅减少将正常用户错误分类为水军概率,还尽可能多的找到更多潜伏于社交网络中的水军。

本发明授权一种基于进化PU算法的社交网络水军识别方法在权利要求书中公布了:1.一种基于进化PU算法的社交网络水军识别方法,其特征在于,包括如下步骤: 步骤1:收集m个正标签集的社交网络水军特征样本集和n个无标签的社交网络用户特征样本集,其中,m表示社交网络水军特征样本数量,n表示社交网络用户特征样本数量;表示第i个水军特征样本,是的真实类别标签,且;表示第j个无标签用户特征样本,,; 步骤2:初始化种群和引导向量; 步骤2.1:定义当前迭代次数为t,最大迭代次数为T,并初始化,定义种群中的个体数为N,引导向量开始更新的代数为; 步骤2.2:定义第t代种群,其中,表示第t代种群中的第e个个体,且,n为个体的长度,表示中的第j个基因编码,表示对的伪标签,且,当,表示将记为正常用户,当,表示将记为网络水军;; 步骤2.3:使用训练后的第t代第e个初始分类器对进行预测,得到第t代第e个初始分类器输出的中每个无标签用户特征样本的预测得分,并根据预测得分,得到中每个无标签用户特征样本的预测标签序列并作为中的基因编码,从而初始化中第e个个体; 步骤2.4:根据第t代每个初始分类器输出的中每个无标签用户特征样本的预测得分,计算每个无标签用户特征样本的平均预测得分,并作为第t代的引导向量,其中,表示第j个无标签用户特征样本在第t代的平均预测得分; 步骤3:利用基于进化PU算法对第t代种群进行优化,得到第t+1代种群; 步骤3.1:计算第t代种群的种群个体适应度值;其中,表示的适应度值; 步骤3.2:根据适应度值,对第t代种群进行交配池选择,得到第t代原始父代种群,从中选取下标为奇数的父代个体,并将任一下标为奇数的父代个体记为,其中,表示中第j个基因编码,同时将中任一剩余下标为偶数的父代个体,记为,其中,表示中第j个基因编码,; 步骤3.3:对第t代原始父代种群进化,以产生第t代的子代种群,其中,表示第t代第e个子代个体; 步骤3.4:计算第t代子代种群的适应度值; 步骤3.5:对和进行环境选择,得到第t+1代种群; 步骤4:若,则更新第t代种群引导向量,得到第t+1代种群引导向量,并将t+1赋值给t后,返回步骤3.2顺序执行;否则,执行步骤5; 步骤4.1.1:若,则令,将t+1赋值给t后,返回步骤3.2顺序执行;否则,计算中每个个体的适应度值在目标空间中与适应度值之间的距离,并将最小距离所对应的适应度值记为,并将距离最小所对应的个体记为;其中,表示中最优个体的第一目标函数值,表示中最优个体的第二目标函数值; 步骤4.1.2:构造一个长度为n的全1集合,其中,表示引导向量对中第j个无标签用户特征样本的伪标签,且,若,则将赋值为-1,从而得到更新后的集合并作为在上的伪标签集;利用及其对应的正标签集和及其对应的伪标签训练出第t代分类器,并利用式1和式2计算的适应度值为;其中,表示引导向量对应的第一目标函数值,表示引导向量对应的第二目标函数值; 步骤4.1.3:比较和分别与适应度值之间的距离: 若与之间距离更小,则将的基因编码作为的伪标签集,从而利用及其和及其训练第t+1代分类器,并利用对进行预测,得到中每个无标签用户特征样本的预测得分,并令;否则,令; 步骤5:在第T代种群对应的适应度值中找到离适应度值最近的点所对应的种群个体作为最优个体,并将的基因编码作为的伪标签集,从而利用及其对应的正标签集和及其对应的伪标签集训练最优个体对应的分类器,用于最终识别社交网络中的水军。

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安徽大学,其通讯地址为:230601 安徽省合肥市经济技术开发区九龙路111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。

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。