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！

龙图腾网获悉浙江大学申请的专利一种基于图表示的异构信息相似度匹配方法和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：CN119337148B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411869600.1，技术领域涉及：G06F18/22；该发明授权一种基于图表示的异构信息相似度匹配方法和系统是由席萌;王一平;李莹;尹建伟设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于图表示的异构信息相似度匹配方法和系统在说明书摘要公布了：本发明公开一种基于图表示的异构信息相似度匹配方法和系统，包括步骤：提取异构信息的异构图；将异构图中节点的高维信息转化为低维信息向量空间，拼接后得到节点级图嵌入向量；提取对齐相似矩阵中图‑图节点的相似度特征向量；采用交叉注意力机制将图对的嵌入向量聚合得到聚合图级嵌入向量；图‑图节点的相似度特征向量和聚合图级嵌入向量输入多层感知机，得到图‑图相似度得分预测结果。本发明中基于图的表示方法可以将异构信息映射到一个统一的低维空间中，使得相似度匹配变得更加高效和准确，减少了对特征工程的依赖，针对涉及多种类型数据以及其之间的关系时，匹配效果良好。

本发明授权一种基于图表示的异构信息相似度匹配方法和系统在权利要求书中公布了：1.一种基于图表示的异构信息相似度匹配方法，其特征在于，包括步骤： S1，以SysML模型提取AIDS数据集或LINUX数据集中异构信息的异构图；AIDS数据集是通过将原子表示为节点，将共价键表示为边，将分子以一种直接的方式转换为图；LINUX数据集中每个图表示一个函数，其中一个节点表示一个语句，一条边表示这两个语句之间的依赖关系； S2，将异构图中节点的高维特征向量转化为低维特征向量，低维特征向量拼接后得到节点级图嵌入向量； S3，采用全局位置编码来保证生成相似矩阵的唯一性，全局位置编码后拼接节点级图嵌入向量得到相似矩阵；通过补充零嵌入的方式对齐相似矩阵，提取对齐相似矩阵中图-图节点的相似度特征向量； S4，采用交叉注意力机制将图对的嵌入向量聚合得到聚合图级嵌入向量； S5，将S3的图-图节点的相似度特征向量和S4的聚合图级嵌入向量输入多层感知机，得到图-图相似度得分预测结果； S2具体包括步骤： S21，元路径提取：采用深度优先搜索和广度优先搜索融合遍历异构图中节点的元路径，提取异构图中节点的元路径集合； S22，节点内容转换：将异构图中不同类型的节点特征映射变换到同一潜在向量空间中，得到变换后的节点特征向量； S23，对元路径内聚合和外聚合得到节点级图嵌入向量； S3中采用全局位置编码来保证生成相似矩阵的唯一性具体包括步骤： 通过标记种子节点和关键节点合并图对，采用随机游走的方式，根据节点返回自身的概率对节点进行排序进行全局位置编码重排； 步骤3中补充零嵌入的方式对齐相似矩阵具体包括步骤： 对于节点级图嵌入存在不同维度的，通过构造假节点方式在节点数偏小的图嵌入中补充零嵌入进行维度补齐，实现对齐相似矩阵； S4具体包括步骤： S41，计算图G1中节点vi∈V1与图G2中所有其他节点vj∈V2之间的交叉图注意系数αij；同时计算图G2中的节点vj∈V2与图G1中的所有其他节点vi∈V1之间的交叉图注意系数βji； ； 其中：是计算两个节点嵌入向量之间的相似度得分的注意力函数，为图G1中节点vi的嵌入向量；为图Gj中节点vj的嵌入向量； S42，在G1节点vi∈V1的视图中，通过对G2的所有节点嵌入进行加权平均计算G2的注意力图级嵌入向量；在G2节点vj∈V2的视图中，通过对G1的所有节点嵌入进行加权平均计算G1的注意力图级嵌入向量； ； S43，采用BiLSTM对图G1的注意力图级嵌入向量和图G2的注意力图级嵌入向量分别聚合，得到图G1和图G2的聚合图级嵌入向量。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。