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！

龙图腾网获悉河南大学申请的专利一种基于深度度量学习的小样本属性图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：CN115481696B 。

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：202211192154.6，技术领域涉及：G06F18/2413；该发明授权一种基于深度度量学习的小样本属性图节点分类方法是由赵雅靓;张广明;王金科设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种基于深度度量学习的小样本属性图节点分类方法在说明书摘要公布了：本发明涉及图挖掘技术领域，具体涉及一种基于深度度量学习的小样本属性图节点分类方法，包括：获取网络数据对应的邻接矩阵和特征矩阵，对网络数据对应的邻接矩阵进行预处理；确定网络数据对应的各个节点的特征向量，根据各个节点的最近邻居节点数量和二阶邻居节点数量，确定各个节点的初始权重；确定各个节点的分数，根据各个节点的初始权重和分数，确定网络数据对应的各个节点的权重；根据网络数据对应的各个节点的特征向量和权重，确定网络数据对应的各类的原型；获得各个查询节点的分类概率，根据分类概率确定各个查询节点的所属类别。本发明应用于图数据节点分类领域，能够有效处理小样本节点分类任务，提高属性图节点分类的准确度。

本发明授权一种基于深度度量学习的小样本属性图节点分类方法在权利要求书中公布了：1.一种基于深度度量学习的小样本属性图节点分类方法，该方法应用于电子商务网络中的Amazon-Clothing数据集、Amazon-Electronics数据集以及引文网络中的DBLP数据集，其特征在于，包括以下步骤： 获取网络数据对应的邻接矩阵和特征矩阵，对网络数据对应的邻接矩阵进行预处理； 获取预先构建好的简化图卷积网络，将网络数据对应的特征矩阵和预处理后的邻接矩阵输入到m层的简化图卷积网络中，得到网络数据对应的各个节点的特征向量； 获取网络数据对应的各个节点的最近邻居节点数量和二阶邻居节点数量，根据各个节点的最近邻居节点数量和二阶邻居节点数量，确定各个节点的初始权重； 获取预先构建好的图卷积网络，将网络数据对应的邻接矩阵和特征矩阵输入到l层的图卷积网络中，得到各个节点的分数；根据各个节点的初始权重和分数，确定网络数据对应的各个节点的权重； 根据网络数据对应的各个节点的特征向量和权重，确定网络数据对应的各类的原型； 获取查询节点集，计算查询节点集中的各个查询节点与各类的原型之间的缩放度量距离，根据缩放度量距离确定各个查询节点的分类概率，进而确定各个查询节点的所属类别。

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河南大学，其通讯地址为：475001 河南省开封市顺河回族区明伦街85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”。