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！

龙图腾网获悉淮北矿业股份有限公司;中国矿业大学;徐州中矿华信科技有限公司申请的专利一种多视图对比增强的煤矿多关系大数据分析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：CN117113188B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202311087706.1，技术领域涉及：G06F18/241；该发明授权一种多视图对比增强的煤矿多关系大数据分析方法是由李亚;孟庆勇;王冀宁;袁冠;王思阳;邴睿;李丹妮设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本一种多视图对比增强的煤矿多关系大数据分析方法在说明书摘要公布了：本发明公开了一种多视图对比增强的煤矿多关系大数据分析方法，首先获取煤矿复杂场景或者复杂业务下待分析的数据信息，构建煤矿复杂业务场景异质图模型，利用异质图模型中节点特征计算节点之间的相似度，生成相似度图；对生成的相似度图依次进行稀疏化、非负化和归一化预处理；通过对比学习与无监督的优化方法进行优化；再利用渐进式的图结构更新策略对抽取和表征的复杂数据间的关系进行更新。本发明借助异质图结构充分保留了煤矿复杂业务场景大数据的关系信息，并结合无监督的学习方式，提取煤矿复杂业务场景的数据结构与语义特征，抽取煤矿复杂业务场景数据的关键关系，从而提高在煤矿复杂数据的多关系挖掘任务上的性能。

本发明授权一种多视图对比增强的煤矿多关系大数据分析方法在权利要求书中公布了：1.一种多视图对比增强的煤矿多关系大数据分析方法，其特征在于，所述分析方法用于对煤矿复杂场景或者复杂业务下的数据关联关系进行分析；所述复杂场景或者复杂业务是指以煤矿领域为代表的应用场景或者业务中包含多种实体类型且数据间关系复杂多变、场景或业务中没有数据节点的领域标签作为引导信息；所述分析方法包括以下步骤： S1，获取复杂场景或者复杂业务下待分析的数据信息，根据该数据信息的已有观测关系构建异质图模型，对数据单元和观测关系进行表示，利用异质图模型中节点特征计算节点之间的相似度，生成相似度图，用于抽取数据间的关键关联关系； S2，根据领域特性，对生成的相似度图依次进行稀疏化、非负化和归一化预处理； S3，通过对比学习与无监督的优化方法，对相似度图与原始图结构进行优化，通过动态融合生成能够保持原有拓扑信息的新图，减少噪声关系，并对缺失关系进行补全； S4，通过渐进式的图结构更新策略，减少因网络拟合能力不足所引入的误差，对抽取和表征的复杂数据间的关系进行更新； 步骤S3中，通过对比学习与无监督的优化方法，对相似度图与原始图结构进行优化，通过动态融合生成能够保持原有拓扑信息的新图，减少噪声关系，并对缺失关系进行补全的过程包括以下步骤： S31，设置对比学习视图； 对比学习视图包括学习视图和固定视图；其中，学习视图是经过处理后的相似度图与数据节点特征组成；对于每一条元路径下的相似度图，都构建其对应的学习视图，记为固定视图是由元路径图和节点特征组成，用于在对比学习中为相似度图提供异质图的高阶语义信息；对每一条元路径下的元路径图，都构建其对应的固定视图，记为 S32，采用特征掩码和边丢弃的数据增广方式，分别从特征与结构的角度来生成不同的增广数据； S33，基于多视图对比学习，对相似度图与原始图结构进行优化；具体包括： S331，使用图神经网络模型用于在增广后的两个视图上学习节点的表征；学习过程如下： 式中，是学习元路径Pm下节点表征的模型；是学习视图下学习到的节点表征；是固定视图下学习到的节点表征；是在学习视图上学习到的第t种类型数据节点的特征矩阵；是在固定视图上学习到的第t种类型数据节点的特征矩阵； S332，使用MLP将学习得到的两种视图下的数据节点表征映射至同一特征空间中，以用于计算节点级的对比损失，映射过程如下： 式中，是元路径Pm下的节点表征的MLP映射函数； 是经过MLP映射后的是经过MLP映射后的 S333，构建对比损失函数；如下： 式中，φ是cosine相似度计算函数；t是温度控制参数，用于缩放相似度值；是数据节点i在学习视图上的表征；是数据节点i在固定视图上的表征。

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淮北矿业股份有限公司;中国矿业大学;徐州中矿华信科技有限公司，其通讯地址为：235000 安徽省淮北市相山区人民中路276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”。