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！

龙图腾网获悉浙江理工大学申请的专利一种基于图神经网络的论文数据姓名消歧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：CN116578708B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310584872.6，技术领域涉及：G06F16/355；该发明授权一种基于图神经网络的论文数据姓名消歧方法是由张华熊;汤哲冲;方志坚设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本一种基于图神经网络的论文数据姓名消歧方法在说明书摘要公布了：本发明公开了一种基于图神经网络的论文数据姓名消歧方法，该算法将每篇论文作为异质网络的节点，通过论文属性特征之间的强关联性建立边，并使用无监督的图自动编码器学习得到每篇论文的表征向量，同时还采用分层的注意力机制网络来增强论文的向量表示，最后通过层次聚类算法实现同名作者消歧。相较于传统方法，本发明利用图神经网络对异质网络中的节点进行表征，可以充分利用节点之间的关联信息，提高消歧的准确率；本发明使用无监督的图自动编码器进行论文表征向量的学习，避免了传统消歧方法中需要大量标注数据的问题；本发明采用分层的注意力机制网络来学习节点和元路径之间的权值关系，进一步增强了论文的向量表示和消歧的准确率。

本发明授权一种基于图神经网络的论文数据姓名消歧方法在权利要求书中公布了：1.一种基于图神经网络的论文数据姓名消歧方法，包括如下步骤： 1利用特征工程提取论文数据集中每篇论文的论文特征作为姓名消歧的元数据，并将每篇论文作为异质网络中的节点； 2基于拼音声母的转换方法将论文数据集划分为若干个同名作者簇，以解决同一作者姓名有多种不同写法的问题； 3使用Word2Vec对论文特征进行词向量嵌入表示并生成每篇论文的特征向量，进而采用三元组损失模型对特征向量进行调整，即利用大量正负样本对作为训练数据，正样本对为属于同一作者的两篇论文，负样本对为属于不同作者的两篇论文，进而根据以下损失函数对三元组损失模型进行训练，训练完成后取模型中的Word2Vec重新计算生成每篇论文的特征向量，最后基于特征向量进行初步聚类； 其中：yij＝1表示论文i和论文j属于同一作者即正样本对，yik＝0表示论文i和论文k属于不同作者即负样本对，dij表示论文i与论文j特征向量之间的欧式距离，dik表示论文i与论文k特征向量之间的欧式距离，m为一个固定的边界距离常量，[]+为hinge损失函数； 4根据论文的共同通讯作者构建学术关系网络，并基于强规则对同一关系网络中的同名作者进行二次聚类； 5利用图自动编码器来学习学术关系网络中节点的分布式表示，从而得到各节点包含论文属性信息和论文间关系信息的表征向量； 6使用包含节点级和语义级的分层注意力机制网络来学习同一元路径上不同节点之间的权值关系以及不同元路径之间的权值关系，进而通过加权融合以增强论文节点的表征向量； 7根据增强后得到的论文表征向量通过层次聚类算法进行聚类，从而实现姓名消歧。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市经济技术开发区白杨街道2号大街928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”。