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！

龙图腾网获悉深圳大学申请的专利一种动态图的持续学习方法、装置、电子设备及存储介质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：CN120782012B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511290113.4，技术领域涉及：G06N20/00；该发明授权一种动态图的持续学习方法、装置、电子设备及存储介质是由章秦;范洛玮;毛日强;李俊杰;陈小军;黄哲学;张良杰设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种动态图的持续学习方法、装置、电子设备及存储介质在说明书摘要公布了：本发明实施例公开了一种动态图的持续学习方法、装置、电子设备及存储介质，涉及图学习与持续学习技术领域，其中，所述方法包括：通过语言模型将动态图基类节点的文本特征编码为数值向量，结合结构特征得到基类原型和协方差矩阵，根据新任务的难度生成对应的提示，若新样本少则基于新原型与基类原型的余弦相似度生成伪样本；初始化正交键向量，通过最小化正交键向量与新样本的余弦相似度构建自适应键‑提示检索器并优化，动态选择最匹配的提示；通过BERT将新样本的文本属性编码为特征向量结合提示，通过计算特征向量与协方差矩阵的马氏距离确定类别。本发明解决了现有技术难以适应动态图数据演化、易灾难性遗忘、少样本场景下易过拟合的问题。

本发明授权一种动态图的持续学习方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种动态图的持续学习方法，其特征在于，所述方法包括： 通过语言模型将动态图基类节点的文本特征编码为数值向量，结合所述动态图的结构特征得到基类原型和协方差矩阵，并对所述协方差矩阵进行矩阵收缩和标准化；所述基类原型为各基类的类别均值向量； 根据新任务的难度生成对应的提示，若所述新任务的样本数少于设定值，则基于所述新任务的原型与所述基类原型的余弦相似度对所述基类原型进行加权求和生成伪样本；所述原型表示类别均值向量； 随机生成一组相互正交的键向量，且数量与所述新任务的数量一致，通过最小化所述键向量与所述新任务的样本特征的余弦相似度动态调整所述键向量的参数，构建自适应键‑提示检索器，在优化自适应键‑提示检索器时，冻结基础语言模型和历史任务的提示参数，仅更新当前任务的键向量参数； 通过最小化所述提示与所述新任务的样本的负对数似然损失，动态调整键向量参数，基于所述键向量与所述新任务的样本的余弦相似度，动态选择最匹配的提示； 通过BERT将所述新任务的样本的文本属性编码为特征向量，并结合所述提示得到最终的特征向量，通过计算所述特征向量与所述协方差矩阵的马氏距离确定所述新任务的类别。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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”。

以上内容由龙图腾AI智能生成。