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！

龙图腾网获悉武汉大学申请的专利基于高阶非线性依赖的社交网络流行度预测方法及系统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：CN121120293B 。

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：202511677407.2，技术领域涉及：G06Q50/00；该发明授权基于高阶非线性依赖的社交网络流行度预测方法及系统是由黄一学;江昊;李昊;李婷婷;李家迪;丁万里;范佳铭设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本基于高阶非线性依赖的社交网络流行度预测方法及系统在说明书摘要公布了：本发明公开一种基于高阶非线性依赖的社交网络流行度预测方法，包括：获取话题相关数据并进行预处理，所述话题相关数据包括话题排名和发帖信息；将预处理后的数据输入训练后的流行度预测模型，输出话题流行度预测结果；其中，所述流行度预测模型的训练，包括：获取设定时长内的话题相关数据并进行预处理；利用沃尔泰拉特征计算预处理后历史序列的高阶多项式特征，生成多阶的张量化相互作用特征；设置可学习的离散沃尔泰拉系数矩阵，对各阶张量化相互作用特征通道独立进行多项式积分建模，将各通道输出线性聚合后投影至输入时间序列的原始特征维度空间，得到话题流行度预测结果。

本发明授权基于高阶非线性依赖的社交网络流行度预测方法及系统在权利要求书中公布了：1.基于高阶非线性依赖的社交网络流行度预测方法，其特征在于，包括： 获取设定时长内的话题相关数据并进行预处理，所述话题相关数据包括话题排名和发帖信息； 将预处理后的数据输入训练后的流行度预测模型，输出未来预设时段内的话题流行度预测结果；其中，所述流行度预测模型的训练，包括： 获取设定时长内的话题相关数据并进行预处理； 利用沃尔泰拉特征计算预处理后历史序列的高阶多项式特征，生成多阶的张量化相互作用特征，包括：对于预处理后历史序列中的每个时间点t从到，执行归一化操作，使得，其中和分别表示用于数据归一化的均值和标准差；将归一化后的序列展平为一个向量，然后进行i次克罗内克积，返回沃尔泰拉特征，表示从1阶到k阶的过去状态的张量化相互作用，其中表示克罗内克积运算； 设置可学习的离散沃尔泰拉系数矩阵，对各阶张量化相互作用特征通道独立进行多项式积分建模，将各通道输出线性聚合后投影至输入时间序列的原始特征维度空间，得到话题流行度预测结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。