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！

龙图腾网获悉桂林电子科技大学;四川极客智享教育科技有限公司申请的专利一种内部用户关联分析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：CN116756335B 。

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：202310663578.4，技术领域涉及：G06F16/36；该发明授权一种内部用户关联分析方法是由陶晓玲;乔运铎;贾如春;路晶;高强;帅剑平设计研发完成，并于2023-06-06向国家知识产权局提交的专利申请。

本一种内部用户关联分析方法在说明书摘要公布了：本发明涉及网络与信息安全技术领域，具体涉及一种内部用户关联分析方法，包括对收集的用户属性信息进行预处理，得到用户多源信息；对用户多源信息进行信息抽取，得到用户实体、用户间的关系和用户属性；基于用户实体、用户间的关系和用户属性采用半自动构建技术自顶向下的构建本体，得到用户属性本体；根据用户属性本体使用图数据库构建知识图谱；将知识图谱中的图数据导出，得到用户属性特征；将用户属性特征输入图聚类模型，得到最终相似用户组。本发明通过构建知识图谱建立用户节点之间的联系，并为后续的图聚类模型提供用户属性特征作为输入数据并增强可解释性，解决了现有的分析方法对内部用户属性分析不足的问题。

本发明授权一种内部用户关联分析方法在权利要求书中公布了：1.一种内部用户关联分析方法，其特征在于，包括以下步骤： 对收集的用户属性信息进行预处理，得到用户多源信息，其中，所述用户属性信息包括简历信息、性格信息和工作信息；所述预处理包括去冗余、缺失值补全和数值化归一化处理； 对所述用户多源信息进行信息抽取，得到用户实体、用户间的关系和用户属性； 基于所述用户实体、所述用户间的关系和所述用户属性采用半自动构建技术自顶向下的构建本体，得到用户属性本体； 根据所述用户属性本体使用图数据库构建知识图谱，其中，所述图数据库为Neo4j图数据库； 将所述知识图谱中的图数据导出，得到用户属性特征； 将所述用户属性特征输入图聚类模型，得到最终相似用户组，包括：将所述用户属性特征输入至所述图嵌入网络进行降维，得到状态矩阵和概括图结构的邻接矩阵，随后对状态矩阵进行归一化操作；将所述状态矩阵和归一化后的所述邻接矩阵作为输入传递给所述改进后的图卷积网络，得到最终的相似用户组，其中，将所述状态矩阵和归一化后的所述邻接矩阵作为输入传递给所述GCN层，所述GCN层通过聚合节点的邻居信息，并根据所述邻居信息之间的相似性来对所述状态矩阵和所述邻接矩阵划分不同簇，得到聚类分配矩阵；将聚类分配矩阵输入到DMoN池化层，在所述DMoN池化层使用频谱模块度函数对聚类模型进行优化，得到最终的相似用户组； 其中，所述图聚类模型包括图嵌入网络和改进后的图卷积网络，所述图卷积网络包括GCN层和DMoN池化层，包括：通过基于SAE的图嵌入网络对输入数据进行降维，图G＝V,E经由节点集合V＝v1,…,vn,|V|＝n且边用A表示G的n×n邻接矩阵，其中Aij＝1当且仅当{vi,vj}∈E否则A的元素等于0，vi的“度”是它的连接数D是A的度矩阵，表示为Dij＝ΣjAij，对邻接矩阵A做归一化处理得到归一化邻接矩阵测量图划分函数的质量：其将节点集合V划分为k个分区设输入层神经元个数为r，设置隐藏层的神经元个数为u，0ur，得到隐藏层输出的用户特征状态矩阵SAE中反向 传播公式如下：其中，b为偏置值，z表示输入神经元，l表示层数，Wl表示l-1层神经元到l层神经元的权重； 通过SAE得到用户属性特征的状态矩阵然后将X和作为输入传递给改进的GCN网络，包括GCN层和DMoN池化层，其中GCN层通过聚合节点的邻居信息，并根据节点信息之间的相似性来划分不同簇，得到聚类分配矩阵C后，将其输入至DMoN池化层进行处理，从而实现端到端的图聚类，发现存在潜在关联的节点，其损失函数KL散度公式如下：其中，ρ为常数，hj是隐藏层权重的平均值，GCN层先对和X进行训练，然后通过激活函数softmax来获得C，同时可以优化C的目标函数，C的输入是任何可微的信息传递函数，故使用图卷积网络来获得每个节点的软聚类矩阵，其层间传播公式如下：将GCN层的输出结果，通过softmax层，得到聚类分配矩阵C，其公式如下：4，然后在无监督的池化层DMoN中，通过对GCN层输出的软聚类分配矩阵C进行argmax处理，得到聚类结果，其公式如下：F＝argmaxC5；使用一个可微的频谱模块度函数作为改进的GCN网络的损失函数，通过使其最大化来训练权值和偏置值，自动确定用户组个数，同时为了解决谱聚类普遍具有的伪局部最小值问题，在频谱模块度函数中添加松弛的collapse正则项，该正则项能有效避免簇的过度细分或粗分，实现恰当的簇划分，其公式如下：最后，输出聚类结果用户组集合Fi＝f1,f2,…,ft+1，t∈n，通过字典映射从输出结果中抽取出用户组，其中Fi是所有用户组的集合，f1,f2,…,ft+1分别代表聚类后具有潜在相似性的用户组。

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桂林电子科技大学;四川极客智享教育科技有限公司，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。