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！

龙图腾网获悉泰山学院申请的专利一种基于图对比学习的金融风险评估数据处理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：CN120374267B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202510873035.4，技术领域涉及：G06Q40/04；该发明授权一种基于图对比学习的金融风险评估数据处理方法及系统是由王兵兵;张国锋;冯斌;李秋玲;刘婧设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种基于图对比学习的金融风险评估数据处理方法及系统在说明书摘要公布了：本发明属于金融数据处理技术领域，公开了一种基于图对比学习的金融风险评估数据处理方法及系统。该方法对收集的金融领域的数据进行预处理与属性图构建；进行模块化最大化与对比学习关联实现；采用图卷积网络或图神经网络作为图卷积编码器学习节点表示；采用两阶段随机游走采样方法近似模块化矩阵，得到模块化矩阵的小批量形式；通过反向传播算法，根据对比损失对编码器和参数进行优化，进一步学习金融数据节点表示，获得金融风险数据信息；对金融机构或市场主体的风险数据信息进行进一步评估。本发明有效挖掘金融数据中的社区结构和语义信息，提高金融风险评估的准确性和效率，同时解决现有技术中的可扩展性和语义漂移问题。

本发明授权一种基于图对比学习的金融风险评估数据处理方法及系统在权利要求书中公布了：1.一种基于图对比学习的金融风险评估数据处理方法，其特征在于，该方法通过构建多源异构金融数据的关系图谱，结合图对比学习技术，自动提取金融实体间的复杂关联特征与风险传导模式；采用对比学习框架，通过自适应数据增强生成差异化图结构视图，利用对比损失函数优化图神经网络模型，克服传统方法中对数据稀疏性和动态时序关系的表征局限；通过融合图结构学习与对比表示学习，实现对金融风险传播路径的深度挖掘和潜在风险节点的早期预警； 所述基于图对比学习的金融风险评估数据处理方法具体包括以下步骤： S1，对收集的金融领域的数据进行预处理与属性图构建； S2，基于构建的属性图，进行模块化最大化与对比学习关联实现； S3，采用图卷积网络GCN或GraphSAGE图神经网络作为图卷积编码器学习节点表示； S4，采用两阶段随机游走采样方法近似模块化矩阵，得到模块化矩阵的小批量形式； S5，通过反向传播算法，根据对比损失对编码器和参数进行优化，学习金融数据节点表示，获得金融风险数据信息； S6，对金融机构或市场主体的风险数据信息进行评估，并获得风险管理数据中决策支持信息； 在步骤S2中，进行模块化最大化与对比学习关联实现，包括： 计算属性图G的模块化Q，表达式为： 式中，m为边的总数，m＝|E|，其中|E|为边集合E的大小，i，j均为图中的节点，Ai，j为邻接矩阵元素，表示节点i和j之间的连接关系；di为节点度，di＝∑jAi，j；δ为用于判断节点是否属于同一社区的函数，dj为节点j的度数，定义与di相同；cj和ci为所属社区标签，当ci＝cj时为1，否则为0； 将模块化公式改写为等价形式： 式中，M+，M‑分别为正、负对集合，M+表示属于同一社区的节点对，M‑表示属于不同社区的节点对；Bi，j为模块化系数，定义为vi和vj为图中的两个节点，pi为节点vi的社区分配向量；C为社区总数；pi,j为节点对vi，vj的联合社区分配概率，表示两节点属于同一社区的概率； 统一为一般形式，表达式为： 式中，g为解码器网络，zi和zj为节点表示，通过图卷积编码器学习得到； 通过正、负样本对由模块化系数引导，建立模块化最大化与对比学习的联系； 在步骤S4中，采用两阶段随机游走采样方法近似模块化矩阵，得到模块化矩阵的小批量形式，包括： 第一阶段、随机游走对多个子群落进行采样，具体过程为：随机选择n个根节点，对于每个根节点v，启动t次随机深度游走，距离为L，记录访问节点集Uv和相应的访问计数Tv，将访问量大于平均值的节点视为潜在子群落Ov，多个根节点的子群落合并为训练批B＝∪v∈NUv； 第二阶段、再次对每个结点执行t次随机深度游走，距离为L，构建相似矩阵Sv,u，其中任意两个节点v满足： v∈B,u∈B式中，Sv，u为子节点到根节点的访问次数，tv,u为在节点v执行的t次随机游走中，访问到节点u的总次数，u′为属于训练批B中的任意节点，tv，u′为节点v的t次随机游走中，访问到训练批B中所有节点的总次数，B为训练批与第一阶段一致，表示合并后的训练批节点集合； 利用配置模型估计节点间连接的期望概率： 式中，为节点u在第l层的隐藏表示，LeakyReLU为激活函数，Wl为第l层的可学习权重矩阵，用于特征变换；{u}为节点u的集合，|Nu|和|Vv|为节点u和节点v的邻居数量； 得到模块化矩阵B的小批量形式，其中每个元素表示在小批量情况下，计算基于采样的子图数据。

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泰山学院，其通讯地址为：271000 山东省泰安市岱岳区东岳大街525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”。