龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北大学
申请日：2024-03-07
公开（公告）日：2024-07-02
公开（公告）号：CN118278460A
主分类号：G06N3/0464
分类号：G06N3/0464;G06N3/08;G06Q50/00;G06F18/24;G06F18/214;G06F17/16;G06F17/18
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.19#实质审查的生效;2024.07.02#公开
摘要：本申请涉及一种符号网络中基于图卷积神经网络的细粒度信任评估方法，本申请在符号加权有向社交网络中提出一个基于图卷积神经网络GraphConvolutionalNetwork,GCN的面向连续信任度的信任评估框架ContTrust，以预测网络中没有显式连接关系的用户对之间的信任度；基于信任关系的方向和信任权重的正负，将目标用户的邻居分为4类，考虑不同潜在因素对目标用户信任度的影响来提升信任评估的性能；设计了四个基于注意力机制的聚合器和多个堆叠的卷积层来捕获社交网络图结构和用户间的信任；使用来自公共真实世界的数据集来评估ContTrust的性能。与信任评估领域两个最流行的基准算法相比，ContTrust在均方根误差RMSE和皮尔逊相关系数PCC方面可分别提高51.2％和33.1％的性能。
主权项：1.一种符号网络中基于图卷积神经网络的细粒度信任评估方法，其特征在于，包括：获取符号有向加权社交网络；所述符号有向加权社交网络中包括用户节点以及表示用户节点之间信任关系的边，所述边对应有信任度；对每个所述用户节点进行初始节点嵌入，确定每个所述用户节点的初始表示向量；针对每个用户节点，采用图卷积神经网络根据所述用户节点的初始表示向量、所述用户节点与邻居节点之间的信任度，得到所述用户节点的最终表示向量；将不具有直接连接边的任意两个用户节点的最终表示向量进行拼接，输入到多层感知回归器，得到所述任意两个用户节点之间的信任度。
全文数据：
权利要求：
百度查询： 西北大学 符号网络中基于图卷积神经网络的细粒度信任评估方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号