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！

龙图腾网获悉电子科技大学申请的专利一种基于动态图表示学习的科研论文合作预测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：CN117033658B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310979149.8，技术领域涉及：G06F16/36；该发明授权一种基于动态图表示学习的科研论文合作预测方法是由刘震;李仲意设计研发完成，并于2023-08-04向国家知识产权局提交的专利申请。

本一种基于动态图表示学习的科研论文合作预测方法在说明书摘要公布了：本发明属于信息技术领域，具体涉及一种基于动态图表示学习的科研论文合作预测方法。本发明通过图卷积神经网络，捕获科研论文合作关系网络中的结构信息生成节点的嵌入向量；通过全连接神经网络，捕获表示科研论文合作关系网络中历史时间相关信息的边嵌入向量。然后融合这两种向量进行未来科研论文合作关系的预测，解决了训练过程中会逐渐丢失一部分历史信息的问题。由于没有使用循环神经网络这种序列式训练的方法，本发明方法对于节点、边嵌入向量的生成均为静态的训练方式，模型的训练效率大幅提升，且准确率更高。

本发明授权一种基于动态图表示学习的科研论文合作预测方法在权利要求书中公布了：1.一种基于动态图表示学习的科研论文合作预测方法，其特征在于，包括以下步骤： S1、获取数据并对数据进行处理，得到初始邻接矩阵、初始特征向量、初始科研论文合作的历史信息向量；获取的数据包括科研论文合作网络原始邻接矩阵、原始特征向量以及科研论文合作的历史信息向量； S2、将初始邻接矩阵和初始特征向量输入图卷积神经网络，通过图卷积神经网络得到节点嵌入向量；将初始科研论文合作历史信息向量输入全连接神经网络，通过全连接神经网络得到边嵌入向量； S3、构建并训练科研论文合作关系预测模型；将S2得到的节点嵌入向量和边嵌入向量输入训练好的科研论文合作关系预测模型中，预测未来的科研论文合作情况；所述科研论文合作关系预测模型的训练方法如下： S3.1、对最后一个时间段的科研论文合作情况进行1:1正负采样，正采样指存在边的结果集Epos，负采样指不存在边的结果集Eneg； 建立科研论文合作关系预测模型，该预测模型采用如下公式表示： 其中，eij表示边，ET表示历史边集，Sij为S中边eij对应的训练好的嵌入向量，zi和zj表示训练好的节点的嵌入向量矩阵Z中节点i和节点j的嵌入向量，表示控制节点嵌入向量信息与边的嵌入向量提供的时间相关信息的权重控制参数，λ∈[0,1]，表示预测的边eij未来时间段中的存在概率，sigmoid*表示sigmoid函数，sum*表示sum函数； S3.2、根据S2得到的节点嵌入向量和边嵌入向量、S3.1建立的科研论文合作关系预测模型，预测最后一个时间段的科研论文合作概率； S3.3、采用交叉熵损失函数作为损失函数，将S3.2得到的正负采样结果集引入交叉熵损失函数中，计算科研论文合作关系预测模型损失值，具体计算如公式如下： 其中，pe代表边e是否存在，代表预测边e存在的概率； S3.4、以损失函数最小为目标，采用梯度下降法和Adam优化器对科研论文合作关系预测模型进行训练； S3.5、判断损失函数值是否收敛，若是，则训练完成，否则返回步骤S3.4。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。