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(深圳)申请的专利基于深度对比学习的不完备多视图多标签分类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：CN115994317B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211593949.8，技术领域涉及：G06F18/24；该发明授权基于深度对比学习的不完备多视图多标签分类方法和系统是由刘成亮;文杰;吴彦乔;许戈辉设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于深度对比学习的不完备多视图多标签分类方法和系统在说明书摘要公布了：本发明公开了一种基于深度对比学习的不完备多视图多标签分类方法、系统及存储介质。方法包括：构建、训练不完备多视图多标签分类网络模型；将测试数据输入训练好的不完备多视图多标签分类网络模型进行推理，输出预测标签；其中，不完备多视图多标签分类网络模型包括特定视图表示学习框架、不完备实例级对比学习模块和加权融合与不完备多标签分类模块。本发明利用深度神经网络来提取样本的高级语义表示，利用自编码器构建端到端的多视图特征提取框架用以学习样本的表征向量。同时，为进一步地提高模型的表示能力，依据一致性假设引入无监督对比学习指导编码器提取多视图的深层次表示信息，还提出加权融合方法以平衡不同视图的重要性。

本发明授权基于深度对比学习的不完备多视图多标签分类方法和系统在权利要求书中公布了：1.一种基于深度对比学习的不完备多视图多标签分类方法，其特征在于，所述方法包括以下步骤： 构建不完备多视图多标签分类网络模型； 训练所述不完备多视图多标签分类网络模型； 将测试数据输入训练好的所述不完备多视图多标签分类网络模型进行推理，输出预测标签； 其中，所述不完备多视图多标签分类网络模型包括三个子模块：特定视图表示学习框架、不完备实例级对比学习模块和加权融合与不完备多标签分类模块，所述特定视图表示学习框架利用自编码器提取特征和重建原始数据，所述自编码器包括编码器和解码器，所述编码器用于提取特征，所述解码器用于重建原始数据；所述不完备实例级对比学习模块用于在所述编码器提取的特征上施加不完备实例级对比损失以增强多视图表示的一致性； 所述加权融合与不完备多标签分类模块用于进行多视图的加权融合以及利用加权融合结果计算多标签分类得分，得到多标签分类的推理结果； 不完备多视图数据选自文本、音频、视频； 所述不完备实例级对比学习模块采用对比学习方法引导编码器提取一致的特征，具体包括： 对于l个视图共存在l×n个实例，其中的任一实例共有l×n-1个实例与实例构成实例对，与实例属于同一样本的实例对为正实例对，其余实例为负实例对i、j均表示样本数，v、u均表示视图数，所述不完备实例级对比学习模块用于拉近正实例对的距离以及扩大负实例对的距离，距离度量函数使用余弦相似度，表达式如下： 其中·表示点积操作，对于任意两个视图，不完备对比学习损失函数为： 其中，l表示视图数量，n表示样本数量， τ表示控制分布的扩散程度，表示先验缺失视图指示矩阵， 表示第i个样本的第v个视图是缺失的，表示第i个样本的第v个视图是可用的，结合全部视图的不完备对比损失函数为：

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(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。