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！

龙图腾网获悉中国科学院信息工程研究所申请的专利一种基于网络表示学习的深暗网群体发现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：CN115965795B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211626368.X，技术领域涉及：G06V10/44；该发明授权一种基于网络表示学习的深暗网群体发现方法是由柳厅文;张盼盼;王学宾;时金桥;贾亚慧;徐永秀设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本一种基于网络表示学习的深暗网群体发现方法在说明书摘要公布了：本发明公开了一种基于网络表示学习的深暗网群体发现方法，包括深暗网异质信息网络构建和基于自编码器的多视图深度嵌入式聚类；所述深暗网异质信息网络构建包含构建属性异质信息网络多种类型的节点和构建属性异质信息网络的多种类型的关系；所述基于自编码器的多视图深度嵌入式聚类，包含基于元路径的用户多视图构建、基于自编码器的用户嵌入表示学习和基于KL散度的自监督聚类；最终联合学习所述基于自编码器的用户嵌入表示学习和所述基于KL散度的自监督聚类，联合优化重建损失与聚类损失。对于一目标深暗网，利用优化后的编码器、基于KL散度的自监督聚类模块，得到目标深暗网每一用户的软标签分布。本发明可获得较好的群体发现结果。

本发明授权一种基于网络表示学习的深暗网群体发现方法在权利要求书中公布了：1.一种基于网络表示学习的深暗网群体发现方法，其步骤包括： 1获取深暗网中的用户、消息、群组，从每条消息中挖掘出敏感实体，以及基于消息数据利用主题建模模型挖掘出主题实体；然后将所得用户、群组、消息、主题实体和敏感实体分别作为深暗网异质信息网络中的节点；然后根据各节点之间的关系在对应节点之间建立边连接，生成深暗网异质信息网络；所述关系包含用户与群组之间的从属关系、用户与消息之间的发布关系、消息与消息之间的转发关系、用户与主题之间的讨论关系和消息与敏感实体之间的包含关系； 2从所述深暗网异质信息网络中抽取多条元路径；不同元路径从不同的角度描述用户间的复杂关系；基于每一元路径构建一单视图用户属性图，并生成每一单视图用户属性图的属性特征矩阵；所述单视图用户属性图中的节点为用户，边为基于元路径的复杂关系； 3利用自动编码器的编码器对每一单视图用户属性图的属性特征矩阵、网络结构矩阵进行编码，得到一用户低维向量表示；然后自动编码器的解码器对每一用户低维向量表示进行解码重建对应的网络结构矩阵和属性特征矩阵； 4选择注意力机制对所得各用户低维向量表示进行融合，生成统一全面的用户表示； 5对步骤4所得用户表示输入基于KL散度的自监督聚类模块，得到每一用户的软标签分布； 6基于目标函数对所述自动编码器、基于KL散度的自监督聚类模块进行优化；其中，γ是平衡系数，m为单视图用户属性图的个数，聚类损失函数Lc＝KLE||H，H是聚类的软标签分布，E是基于H的目标分布；第m个单视图用户属性图Gm对应的属性特征矩阵为X、网络结构矩阵为Am，对应的用户低维向量表示为Zm；基于Zm使用内积方法重建Gm对应的网络结构矩阵基于Zm、使用反卷积方法重建Gm对应的属性特征矩阵Gm对应的优化所述自动编码器的损失函数为交叉熵函数均方误差 7对于一目标深暗网，生成该目标深暗网对应的多个单视图用户属性图；利用优化后的所述自动编码器的编码器对每一单视图用户属性图的属性特征矩阵、网络结构矩阵进行编码，得到一用户低维向量表示并将其输入优化后的所述基于KL散度的自监督聚类模块，得到每一用户的软标签分布。

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中国科学院信息工程研究所，其通讯地址为：100085 北京市海淀区树村路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”。

以上内容由龙图腾AI智能生成。