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！

龙图腾网获悉合肥工业大学申请的专利一种基于动态感知最大化的社交网络突发事件感知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：CN116861100B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211590938.4，技术领域涉及：G06F16/9536；该发明授权一种基于动态感知最大化的社交网络突发事件感知方法是由袁昆;周文;孙见山;姜元春;刘业政设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种基于动态感知最大化的社交网络突发事件感知方法在说明书摘要公布了：本发明公开了一种基于动态感知最大化的社交网络突发事件感知方法，包括：1在社交媒体中搜寻历史突发事件和发布与突发事件相关信息的发布者、发布时间等数据；2定义事件发生时间、用户参与事件的时间和用户感知事件的能力指标；3利用用户的动态感知能力分布序列，在不同时刻训练不同的感知器集合；4在不同时刻实时获取所选感知器集合中传播的信息，采用滑动平均法检测热点时间，若某热点相关的信息量大于等于阈值，则认为该热点发展成为突发事件。本发明将用户看成为感知器，在不同时刻根据用户的历史行为数据选取不同的感知器集合，通过在不同时刻监测不同感知器集合，来实时监测传播在社交媒体中的信息，以达到预测网络突发事件的目的。

本发明授权一种基于动态感知最大化的社交网络突发事件感知方法在权利要求书中公布了：1.一种基于动态感知最大化的社交网络突发事件感知方法，其特征在于，包括如下步骤： 步骤1、获取历史突发事件集合，其中，表示第k个历史突发事件，，K表示所述历史突发事件集合内的事件数；获取所有发布过历史突发事件集合中历史突发事件相关信息的用户，并构成候选用户集合，其中，表示第i个用户，，I表示所述候选用户集合内的用户数； 步骤2、构建用户感知能力的评价指标： 步骤2.1、定义时段序列，表示第n个时段，，N表示时段数； 步骤2.2、从候选用户集合中获取发布过第k个历史突发事件相关信息的所有用户及其发布时间，并选取最早的发布时间作为第k个历史突发事件的发生时间； 若第i个用户在第n个时段发布过第k个历史突发事件相关信息，则定义第i个用户在第n个时段发布与第k个历史突发事件相关信息的时间和第k个历史突发事件的发生时间之间的差值为第i个用户参与第k个历史突发事件的时间，记为； 若第i个用户未发布过第k个历史突发事件相关信息，则记第i个用户对第k个历史突发事件相关信息的发布时间为； 将第i个用户在第n个时段对第k个历史突发事件的感知时间，记为； 步骤2.3、将与第i个用户在第n个时段发布信息所相关的历史突发事件的数量记为；则第i个用户在第n个时段对历史突发事件集合的感知能力的评价指标，记为； 步骤3、构建用户动态感知能力的分布序列： 步骤3.1、记录一段历史时间M内候选用户集合U中发布过历史突发事件集合E中的历史突发事件相关信息的所有用户及其发布时间、用户在一段历史时间M内所发布过的历史突发事件及其数量、用户在一段历史时间M内对历史突发事件的感知时间，从而得到第i个用户的信息感知序列，其中，表示第i个用户在第m个历史周期的第n个时段对历史突发事件集合的感知能力的评价指标； 步骤3.2、对第i个用户的信息感知序列进行奇异谱分析，得到去噪后的第i个用户的信息感知序列，记为；其中，表示第i个用户在第m个历史周期的第n个时段对历史突发事件集合的去噪后的感知能力的评价指标； 步骤3.3、以时刻为横轴，以感知能力的评价指标值为纵轴，采用最小二乘法对所述去噪后的第i个用户的信息感知序列进行拟合，得到第i个用户的动态信息感知能力分布函数，记动态信息感知能力分布函数上第n个时段所对应的评价指标值为，则第i个用户在历史时间M上的动态信息感知能力分布序列，记为； 步骤4、训练N组感知器集合： 步骤4.1、从候选用户集合中选取满足式1和式2所示的动态社会感知最大化模型的所有用户，并构成N组感知器集合： 1 2 式1和式2中，表示第n个时段所选取的满足式1和式2的用户集合，表示第n个时段的感知器集合对历史突发事件集合E的感知能力之和，f是代价函数，表示挑选第i个用户放入感知器集合的代价值，b表示所能承受的代价的上限； 步骤4.2、动态社会感知最大化模型的求解： 步骤4.2.1、记第i个用户感知的历史突发事件列表，其中，表示第i个用户感知的第a个历史突发事件，表示第i个用户感知的历史突发事件总数，； 步骤4.2.2、利用式3计算第i个用户和第j个用户感知的历史突发事件列表的相似性： 3 式3中，表示第j个用户感知的历史突发事件列表； 步骤4.2.3、定义δ为所设置的阈值参数，且δ处于0到1之间；若S，则表示第i个用户和第j个用户之间存在高相似性，否则，表示第i个用户和第j个用户之间不存在高相似性，从而得到所有与第i个用户存在高相似性的用户所构成的相似性用户集合； 步骤4.2.4、根据候选用户集合中所有用户的动态信息感知能力分布序列，对第n个时段所对应的评价指标值进行降序排序，并将排序第一的用户放入第n个时段的感知器集合中； 步骤4.2.5、根据排序第一的用户所对应的相似性用户集合，从候选用户集合中删除用户和所有属于的用户，得到删除后的候选用户集合； 步骤4.2.6、根据删除后的候选用户集合中所有用户的动态信息感知能力分布序列，对第n个时段所对应的评价指标值进行降序排序，并将排序第一、第二的用户分别记为、；令用户在当前动态信息感知能力分布序列的第n个时段所对应的评价指标值为； 步骤4.2.7、重新计算用户在历史时间M上的动态信息感知能力分布序列，并得到用户在第n个时段所对应的评价指标值； 步骤4.2.8、若，则将用户放入第n个时段的感知器集合，并根据用户所对应的相似性用户集合，从候选用户集合中删除用户和所有属于的用户，得到删除后的候选用户集合后赋值给，并返回步骤4.2.6； 若，则将删除后的候选用户集合作为候选用户集合，并返回步骤4.2.4顺序执行，直至不满足式2为止，从而得到第n个时段的感知器集合，进而得到N组感知器集合； 步骤5、监测突发事件； 步骤5.1、定义热点集合，其中，表示第d个热点，，D表示所述热点集合内的热点数； 获取第n个时段的感知器集合中所有用户发布与第d个热点相关信息的信息量为，从而得到N组感知器关于第d个热点的信息量序列为； 步骤5.2、判断式4是否成立，若成立，则第x个热点发展成为突发事件，否则，第x个热点未发展成为突发事件： 4 式4中，α是指显著性水平，为根据信息观测序列估计的标准差，并由式6得到，表示信息观测序列的均值，并由式5得到，为所设定的阈值，是显著性水平α所对应的正态阈值； 5 6 式5-式6中，表示部分信息观测序列中的第j个信息量，。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。