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！

龙图腾网获悉上海师范大学;上海新致软件股份有限公司申请的专利一种基于图压缩的社区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：CN116341656B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310329486.2，技术领域涉及：G06N5/02；该发明授权一种基于图压缩的社区发现方法是由赵勤;苗亚茹;寇祖亮;杨茹;张波设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于图压缩的社区发现方法在说明书摘要公布了：本发明涉及一种基于图压缩的社区发现方法，包括以下步骤：获取初始图信息，并对图节点重要性进行排序，选择待压缩节点；将待压缩节点压缩后得到压缩图，利用压缩图重新构建邻接矩阵，并基于图卷积网络对压缩图进行社区检测；对压缩图检测的社区进行扩展，还原初始图的社区检测状态，得到社区发现结果。与现有技术相比，本发明具有能够将图压缩到一个较小规模，并能够获得更高的准确性等优点。

本发明授权一种基于图压缩的社区发现方法在权利要求书中公布了：1.一种基于图压缩的社区发现方法，其特征在于，包括以下步骤： 步骤1获取初始图信息，并对图节点重要性进行排序，选择待压缩节点； 所述步骤1包括以下步骤： 步骤11获取初始图信息； 步骤12为初始图中的每个节点计算节点度中心性、特征向量中心性、中介中心性，作为节点重要性指标，并根据节点重要性对节点进行排序； 步骤13根据排序结果和选择标准，选择待压缩节点； 所述选择标准为： 其中，表示所有节点的度中心性大小排序后%的集合，表示所有节点的度中心性大小排序前%的集合；表示所有节点的中介中心性大小排序后%的集合，表示所有节点的中介中心性大小排序前%的集合；表示所有节点的特征向量中心性大小排序后%的集合，表示所有节点的特征向量中心性大小排序前%的集合；，表示选择的待压缩节点的集合； 步骤2将待压缩节点压缩后得到压缩图，利用压缩图重新构建邻接矩阵，并基于图卷积网络对压缩图进行社区检测； 所述步骤2包括以下步骤： 步骤21确定待压缩节点的权威邻居，将待压缩节点压缩进所述权威邻居中，删除待压缩节点及其所在的边，更改图的权重信息，得到压缩图； 所述步骤21具体为： 选择待压缩节点的邻居节点中度中心性最大的节点作为权威邻居，将待压缩节点压缩到权威节点中，如果待压缩节点的度为1，则直接删除待压缩节点及其与邻居节点之间的边；如果待压缩节点的度大于1，当其邻居节点间有边相连，则按照权重调整公式更新权重信息，当其邻居节点间没有边相连，则增加邻居节点之间的新的边，按照权重调整公式更新权重信息，并删除待压缩节点及其与邻居节点之间的边，其中，所述权重调整公式为： 其中，代表压缩前节点和节点之间边的权重，代表压缩后节点和节点之间边的权重； 步骤22基于压缩图重新构建图的邻接矩阵； 步骤23将邻接矩阵作为图卷积神经网络的输入，对压缩图进行社区检测； 步骤3对压缩图检测的社区进行扩展，还原初始图的社区检测状态，得到社区发现结果。

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上海师范大学;上海新致软件股份有限公司，其通讯地址为：200234 上海市徐汇区桂林路100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。