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！

龙图腾网获悉南京航空航天大学申请的专利一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法、系统及介质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：CN119273991B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411440423.5，技术领域涉及：G06V10/764；该发明授权一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法、系统及介质是由陈一媛;关东海;袁伟伟设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法、系统及介质在说明书摘要公布了：本发明公开了一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法、系统及介质，包括：首先利用原始图的节点特征构建基于节点特征相似度的k近邻图，并对原始图和k近邻图分别进行随机连边去除，生成相应的结构视图和特征视图，然后根据网络的同异配类型对结构视图和特征视图进行视图角色定义，确定优先视图和辅助视图；接着对优先视图和辅助视图进行优辅视图对齐编码，获取不同视图下的节点表示；进而构造InfoNCE对比损失函数，对模型的节点嵌入表示进行优化训练；最后将优化后的节点嵌入表示用于节点分类任务，进行训练和评估。本发明能够有效提升节点表示的质量，从而提高同异配网络中节点分类的准确度。

本发明授权一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法、系统及介质在权利要求书中公布了：1.一种基于宏微观消息传递进行图对比学习的同异配网络节点分类方法，其特征在于，包含以下步骤： S1：基于原始图其中A是邻接矩阵，X是节点特征矩阵，计算节点特征之间的余弦距离，构建基于节点特征相似度的k近邻图； S2：对原始图和k近邻图分别进行随机连边去除的视图增强操作，生成相应的结构视图vstr和特征视图vatt； S3：根据原始图的边同质性比率hedge确定网络同异配类型，然后定义同配网络的优先视图vp是结构视图vstr，辅助视图vs是特征视图vatt；异配网络的优先视图vp是特征视图vatt，辅助视图vs是结构视图vstr； S4：使用两个独立的ASP-SGC编码器分别对优先视图vp和辅助视图vs进行宏观、微观上的优辅视图对齐编码，得到优先视图编码后的节点表示Hp和辅助视图对齐编码后的节点表示Hsa；具体来说： 微观上，ASP-SGC编码器利用适应性自传播策略，将节点自环特征传播分解为邻居同化传播和自独立传播： 其中第一项1-ωHk表示自独立传播部分，它强调自环特征传播的独立性而不依赖于邻居节点特征；第二项表示邻居同化传播部分，此时自环充当邻居角色进行特征传播；k表示第k层的节点表示Hk，ω是自独立传播的权重系数，Θ是可训练的权重矩阵； 宏观上，首先使用优先视图vp和辅助视图vs各自的ASP-SGC编码器编码相应的视图，得到节点表示Hp和Hs；然后利用辅助视图的ASP-SGC编码器从全局角度编码优先视图vp，并将其与辅助视图的初始节点表示vs相加，生成对齐后的辅助视图最终节点表示Hsa： S5：基于节点表示Hp和Hsa，定义锚节点vi的正负样本对，构造InfoNCE对比损失函数，通过该损失函数对模型的节点嵌入表示进行优化训练； S6：将优化后的节点嵌入表示输入逻辑回归节点分类器，进行训练和评估。

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航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29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”。