Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京邮电大学吴飞获国家专利权

南京邮电大学吴飞获国家专利权

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!

龙图腾网获悉南京邮电大学申请的专利基于图卷积网络的无监督域自适应的分类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:CN114676755B

龙图腾网通过国家知识产权局官网在2025-07-08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:202210208723.5,技术领域涉及:G06F18/241;该发明授权基于图卷积网络的无监督域自适应的分类方法是由吴飞;魏鹏飞;高广谓;胡长晖;季一木;蒋国平设计研发完成,并于2022-03-04向国家知识产权局提交的专利申请。

基于图卷积网络的无监督域自适应的分类方法在说明书摘要公布了:本申请涉及一种基于图卷积网络的无监督域自适应的分类。所述方法包括:获取源域中的样本数据和目标域中样本数据作为训练数据;根据源域和目标域中样本数据间的相似性分别更新两个域中样本的图连接关系;将源域和目标域中的样本数据输入到域自适应网络中进行训练,域自适应网络是基于图卷积网络的无监督域自适应网络,域自适应网络包括:跨域特征提取模型、源域特征提取模型、分类模型、域对抗鉴别模型、类对齐模型;训练域自适应网络不断更新迭代域自适应网络中的参数,当域自适应网络达到收敛条件时,获得域自适应分类模型;输入待分类数据至域自适应分类模型进行分类,获得待分类数据的分类结果。提高了基于图卷积的无监督域自适应模型性能。

本发明授权基于图卷积网络的无监督域自适应的分类方法在权利要求书中公布了:1.一种基于图卷积网络的无监督域自适应的分类方法,其特征在于,所述方法包括: 获取源域中的样本数据和目标域中样本数据作为训练数据,所述训练数据的类型是文本数据; 根据所述源域和所述目标域中样本数据间的相似性分别更新两个域中样本的图连接关系; 将所述源域和所述目标域中的样本数据输入到域自适应网络中进行训练,所述域自适应网络是基于图卷积网络的无监督域自适应网络,所述域自适应网络包括:跨域特征提取模型、源域特征提取模型、分类模型、域对抗鉴别模型、类对齐模型; 训练所述域自适应网络不断更新迭代所述域自适应网络中的参数,当所述域自适应网络达到收敛条件时,获得域自适应分类模型; 输入待分类数据至所述域自适应分类模型进行分类,获得所述待分类数据的分类结果; 所述域自适应网络的构建方式包括: 源域的样本数据和目标域的样本数据输入到跨域特征提取模型中得到源域和目标域的公共嵌入特征表示; 源域的样本数据输入到源域特征提取模型中得到所述源域的特定嵌入特征表示; 计算所述源域的公共嵌入特征表示和所述特定嵌入特征表示的差异性构建特征差异性损失函数; 将目标域的样本数据输入到源域特征提取模型中得到带源域风格的目标域嵌入特征表示,再通过注意力机制与所述目标域的公共嵌入特征表示结合为目标域的嵌入特征表示;同时通过注意力机制将所述源域的公共嵌入特征表示与源域的特定嵌入特征表示结合为源域的嵌入特征表示; 将得到的所述源域和所述目标域的嵌入特征表示输入到分类模型中,所述源域的嵌入特征表示中有类别标签的部分构建分类损失函数,源域的其余无类别标签的部分和目标域的嵌入特征表示则生成其特征表示所对应的伪类别标签; 将得到的所述源域和所述目标域的公共嵌入特征表示输入到域对抗鉴别模型中,构建域特征对齐损失函数; 将所述源域的样本数据和所述目标域的样本数据按照类别标签和伪类别标签中的类别进行分组,同时将不同分组的样本的嵌入特征表示输入到类对齐模型中,构建类特征对齐损失函数。

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南京邮电大学,其通讯地址为:210046 江苏省南京市栖霞区文苑路9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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。