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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于分层对比学习的时序异构网络链路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：CN119583368B 。

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：202411431193.6，技术领域涉及：H04L41/147；该发明授权一种基于分层对比学习的时序异构网络链路预测方法及系统是由何慧;邰煜;武兴隆;杨洪伟;张伟哲;陈端静;邵源铭设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本一种基于分层对比学习的时序异构网络链路预测方法及系统在说明书摘要公布了：一种基于分层对比学习的时序异构网络链路预测方法及系统，涉及时序异构网络预测技术领域。本发明的目的是从节点级，边级和时间级三个不同微观视角对网络中的空间复杂性和时序复杂性进行挖掘和建模，以实现现实世界中时序异构网络中的节点连接行为的预测。技术要点：通过提出的链路预测方法存储节点表示向量的异构结构信息，捕获异构网络的时序演化过程，同时，捕捉异构快照之间的拓扑依赖关系，刻画复杂时序异构网络中的分布模式，从而预测实体之间动态和复杂的连接关系。不同节点和边之间的细粒度差分关系以及演变范式的区别直接影响表征学习，很大程度上影响链接预测的性能。本发明在社交推荐、交通管理中用于预测实体之间动态和复杂的连接关系。

本发明授权一种基于分层对比学习的时序异构网络链路预测方法及系统在权利要求书中公布了：1.一种基于分层对比学习的时序异构网络链路预测方法，时序异构网络链路预测的形式化定义： 异构网络：给定为一个无向图，其中V＝{v1,v2,…,vN}，E＝{e1,e2,…,eM}，Av和Ae分别表示节点集合、边集合、节点类型和边类型；每个节点vi∈V和边ej∈E均有一个对应与其相关联的节点类型和边类型且|Av|+|Ae|2，则为一个异构图； 时序异构网络：给定一个无向异构图由一系列不同时刻的异构网络快照序列组成，即其中是t时刻的网络静态快照图，其中，和分别表示时刻t的节点集合和边集合，T表示快照总数，且对于任意节点a∈V，其节点表示为一个固定大小的特征向量则X＝{xa}a∈V表示所有节点的特征矩阵； 所述方法用于预测时序异构网络于未来T+1时刻两个节点a,b∈V之间的存在目标链路e＝a,b的概率，通过训练学习模型CLP获取用户表示与之间的相似度来获取e存在于快照图的概率； 其特征在于，提出基于对比学习的端到端的模型CLP，通过学习不同类型的节点和边的异构信息以及动态依赖关系获取时序异构网络的深度表示，以表达空间差异性和时序差异性，通过两个目标用户向量表示的相似度来预测目标链路的存在性； CLP主要包括三部分：1空间特征学习，2时序信息建模，3输出层； 1空间特征学习：首先，设置图注意力网络GraphAttentionNetwork，GAT在节点级和边级保留时序异构网络的异构结构信息，从而得到异构结构的节点级表示向量和边级表示向量同时将其视为一个同构网络，部署GNN来捕获其固有结构信息生成对应的节点级表示向量及边级表示向量对和和与分别执行节点级和边级的双层对比学习，以增强网络结构差异性的获取； 2时序信息建模：其次，分别使用GRU和LSTM来保存每个静态快照图的隐状态，从而得到时序级表示向量和对节点表示和执行对比学习，来增强时序异构网络时序差异性的捕获； 3输出层：最后，计算节点a和节点b之间的相似度来表示目标链路e＝a,b，将其馈入一个总体损失函数，来映射目标链路存在的概率。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。