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！

龙图腾网获悉同济大学申请的专利基于内在模式保留视图生成的鲁棒异构图对比学习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：CN119293479B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411364531.9，技术领域涉及：G06F18/213；该发明授权基于内在模式保留视图生成的鲁棒异构图对比学习方法是由赵生捷;董世龙;曾进;邓浩设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本基于内在模式保留视图生成的鲁棒异构图对比学习方法在说明书摘要公布了：本发明涉及一种基于内在模式保留视图生成的鲁棒异构图对比学习方法，该方法包括：获取转换特征集合；获取内在模式视图；提取内在模式视图和原始视图的节点嵌入；获取正负样本集合；优化对比学习模型；对优化后的对比模型进行判断，若收敛则利用优化后的对比模型得到的原始视图的节点嵌入输出目标节点的所属类别的预测结果。与现有技术相比，本发明有效提高了异构图面对图结构噪声的鲁棒性，提高了分类的准确性。

本发明授权基于内在模式保留视图生成的鲁棒异构图对比学习方法在权利要求书中公布了：1.一种基于内在模式保留视图生成的鲁棒异构图对比学习方法，其特征在于，该方法包括： 根据输入数据构建原始视图，将位于不同维度子空间的异构节点特征投影至d维公共空间得到转换特征集合；所述的输入数据包括论文、作者和会议的特征组成的集合；所述的异构节点特征包括论文特征、作者特征以及会议特征； 根据输入数据的关系构建关系子图，并获取对应的邻接矩阵；构建特征诱导图；基于所述的邻接矩阵以及特征诱导图获取内在模式视图； 基于内在模式视图、原始视图以及转换特征集合利用异构图神经网络提取内在模式视图和原始视图的节点嵌入； 分别计算原始视图和内在模式视图的元路径图，基于原始视图的元路径图获取样本集，将样本集进行处理得到初始样本集；基于内在模式视图的元路径图获取待合并样本集合；按照合并规则将所述的待合并样本集合与初始样本集合进行融合得到正样本集，样本集中剩余节点为负样本集； 将所述的内在模式视图和原始视图的节点嵌入投影到同一空间得到投影嵌入，并结合所述的正样本集和负样本集计算对比损失；构建视图正则化器并结合对比损失优化对比学习模型； 对优化后的对比模型进行判断，若收敛则利用优化后的对比模型得到的原始视图的节点嵌入输出目标节点的所属类别的预测结果；所属类别为语义类别； 所述的获取内在模式视图的方法为： 分别将头节点和尾节点的特征诱导图与邻接矩阵进行融合，表达式为： 其中，为第一特征相似度；为第二特征相似度，Ar为头尾节点连接关系为r的邻接矩阵；I为单位矩阵；为头节点特征诱导图；为尾节点特征诱导图；φ+r和φ-r分别是将关系r映射到其头节点和尾节点类型的映射函数； 利用掩码矩阵去除边权重小于阈值的边得到第一候选图和第二候选图，表达式为： 其中，为第一候选图；为第二候选图；Mr为掩码矩阵；表示Hadamard乘积；∈表示阈值； 基于同一掩码矩阵对邻接矩阵进行过滤得到第三候选图，表达式为： 其中为第三候选图； 使用单层通道注意力融合第一候选图、第二候选图、第三候选图和邻接矩阵的特征诱导图得到密集邻接矩阵； 将所述的密集邻接矩阵进行特定类型稀疏化得到最终邻接关系矩阵A′r，根据最终邻接关系矩阵构造对应关系子图的内在模式视图； 获取每一关系子图的内在模式视图，并进行整合得到原始视图的内在模式视图。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。