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！

龙图腾网获悉西安交通大学申请的专利一种基于辅助图增强的全局类原型小样本节点分类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：CN116342958B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310329482.4，技术领域涉及：G06V10/764；该发明授权一种基于辅助图增强的全局类原型小样本节点分类方法是由王晨旭;邓鑫婕设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本一种基于辅助图增强的全局类原型小样本节点分类方法在说明书摘要公布了：本发明公开了一种基于辅助图增强的全局类原型小样本节点分类方法，获取待分析数据集；将待分析数据集通过训练好的小样本节点分类模型分析，实现预测节点的标签；其中，训练好的小样本节点分类模型通过以下步骤获取：根据测试集，得到将原始属性图与辅助图输入到图编码器中获得原始属性图与辅助图的图节点表示，获得经过图数据增强后的图节点表示，得到调整后的节点重要性分数；将训练集进行元学习任务采样；利用支持集节点表示和重要性分数，计算当前任务下各类别的类原型表示，并更新全局类原型表示；查询集节点表示与更新后的全局类原型表示之间的距离，并预测查询集节点的标签，达到分类的目的。本发明具有更好的节点分类性能，实现精准推荐。

本发明授权一种基于辅助图增强的全局类原型小样本节点分类方法在权利要求书中公布了：1.一种基于辅助图增强的全局类原型小样本节点分类方法，其特征在于，包括以下步骤： 获取待分析数据集； 将待分析数据集通过训练好的小样本节点分类模型分析，实现预测节点的标签；其中，训练好的小样本节点分类模型通过以下步骤获取： 步骤1：根据测试集，得到原始属性图，在原始属性图的基础上构建基于图拓扑结构的辅助图； 步骤2：将原始属性图与辅助图输入到图编码器中分别获得原始属性图与辅助图的图节点表示，通过原始属性图与辅助图的图节点表示矩阵进行加权求和操作，获得图数据增强后的图节点表示； 步骤3：通过基于图卷积网络的图评估器，获取原始属性图中各节点的重要性分数，最终获得图节点重要性分数矩阵，并利用节点的中心性分数，得到调整后的节点重要性分数； 步骤5：将训练集进行元学习任务采样，通过图数据增强后的图节点表示得到每个元学习任务中的支持集节点表示和查询集节点表示，利用支持集节点表示和调整后的重要性分数，计算当前任务下各类别的类原型表示，并更新全局类原型表示； 步骤6：度量元学习任务中的查询集节点表示与更新后的全局类原型表示之间的距离，并预测查询集节点的标签，建立训练好的小样本节点分类模型； 步骤5的具体过程如下： 1设置跨任务的全局类原型表示Pglobal； 2在元学习任务采样的每个元学习任务中，首先通过支持集节点重要性分数计算各节点表示对应权重： 其中，Supportc表示支持集中类别为c的节点集合，为节点vi的重要性分数，βi为节点vi对应权重； 3依据支持集各节点归一化的权重以及经过图数据增强后的图节点表示计算各类的类原型表示： 其中，Pc为当前任务下类别c的类原型表示； 4更新全局类原型表示Pglobal，具体更新过程如下： 其中，为类别c的全局类原型表示，Mean为平均池化操作。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。