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！

龙图腾网获悉重庆大学申请的专利基于特征融合与温度缩放蒸馏的联邦图学习方法及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：CN120316580B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510446081.6，技术领域涉及：G06F18/241；该发明授权基于特征融合与温度缩放蒸馏的联邦图学习方法及系统是由蔡斌;申雨豪;胡春强;蒲誉文;桑军;胡海波设计研发完成，并于2025-04-10向国家知识产权局提交的专利申请。

本基于特征融合与温度缩放蒸馏的联邦图学习方法及系统在说明书摘要公布了：本发明属于联邦图神经网络技术领域，提供基于特征融合与温度缩放蒸馏的联邦图学习方法及系统，其中，客户端基于初始特征结构编码器参数得到第一软目标，根据第一软目标计算得到第一目标损失值，并按照减小第一目标损失值的方向对初始GNN模型中的模型参数进行优化，客户端基于优化后的GNN模型得到预测标签分布，根据预测标签分布计算得到第二目标损失值，并按照减小第二目标损失值的方向对初始特征结构编码器参数和初始结构代理集进行优化，服务器分别基于特征结构编码器参数和类级别结构代理平均值进行聚合，得到目标特征结构编码器参数和目标结构代理，从而缓解了数据异质性问题，提高节点分类的准确性。

本发明授权基于特征融合与温度缩放蒸馏的联邦图学习方法及系统在权利要求书中公布了：1.基于特征融合与温度缩放蒸馏的联邦图学习方法，其特征在于，所述方法包括： 客户端基于本地社交图数据Gk＝Vk,Ek,Xk确定初始GNN模型和初始结构代理集，并基于所述初始结构代理集确定初始特征结构编码器参数，其中，Vk是客户端的节点集，每个用户是一个节点，Ek是边集，边表示其连接的两个节点之间存在直接关联关系，Xk是节点特征矩阵，特征包括时间序列特征、地理位置特征和图结构关联特征，其中，时间序列特征为用户上传照片的时间分布，地理位置特征为照片拍摄地或用户注册地的地理编码或用户群组的地理聚集特征，图结构关联特征包括邻接关系和社群划分，其中，邻接关系为用户间的关注、评论、共同群组，社群划分为基于图聚类算法识别的用户社群归属； 所述客户端基于所述初始特征结构编码器参数得到第一软目标，根据所述第一软目标计算得到第一目标损失值，其中，根据所述第一软目标计算得到第一目标损失值，包括：所述客户端基于所述初始特征结构编码器参数中的真实标签生成第一损失值，基于所述第一软目标生成第二损失值，对所述第一损失值和所述第二损失值进行计算，得到所述第一目标损失值，并按照减小所述第一目标损失值的方向对所述初始GNN模型中的模型参数进行优化，得到优化后的GNN模型，其中，标签为用户的兴趣标签、职业标签； 所述客户端基于所述优化后的GNN模型得到预测标签分布，根据所述预测标签分布计算得到第二目标损失值，其中，根据所述预测标签分布计算得到第二目标损失值，包括：所述客户端基于所述真实标签和所述初始特征结构编码器参数中的第二软目标生成第三损失值，基于所述预测标签分布生成第四损失值，对所述第三损失值和所述第四损失值进行计算，得到所述第二目标损失值，并按照减小所述第二目标损失值的方向对所述初始特征结构编码器参数和所述初始结构代理集进行优化，得到优化后的特征结构编码器参数和优化后的结构代理集； 各个所述客户端向服务器上传类级别结构代理平均值和特征结构编码器参数，其中，所述特征结构编码器参数包括所述初始特征结构编码器参数和所述优化后的特征结构编码器参数，所述类级别结构代理平均值包括初始类级别结构代理平均值和优化后的类级别结构代理平均值； 所述服务器基于所述特征结构编码器参数进行聚合，得到目标特征结构编码器参数，且基于所述类级别结构代理平均值进行聚合，得到目标结构代理； 迭代以上过程，直至GNN模型收敛或达到预设的模型精度。

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重庆大学，其通讯地址为：400030 重庆市沙坪坝区沙正街174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”。