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！

龙图腾网获悉北京工业大学申请的专利基于局部感知多视图融合的社区机器人检测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：CN119557732B 。

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：202411686075.X，技术领域涉及：G06F18/241；该发明授权基于局部感知多视图融合的社区机器人检测系统是由黎佳伟;蒋宗礼;张津丽;马宇飞;宫庆民;金儒男设计研发完成，并于2024-11-24向国家知识产权局提交的专利申请。

本基于局部感知多视图融合的社区机器人检测系统在说明书摘要公布了：本发明公开了基于局部感知多视图融合的社区机器人检测系统，包含如下步骤：设计特征编码模块，提取一个账户的多模态特征，获取用户的特征编码；基于特征编码模块，分别利用StarBlokc模块和HGT模块提取用户的多视图特征；基于双视图特征，设计局部相似性感知模块提取用户的局部相似性分数，并用局部相似性分数融合多视图特征；设计3阶段的社区和标签感知的对比学习方法来训练整个模型，并用模型进行社区机器人识别。本发明是设计了多视图的特征提取器分别低频和高频特征，并对用户的局部相似性进行建模，提出了局部相似性模块对用户的最终表示进行动态加权融合来解决由于数据采样和机器人伪装导致的异质性不均衡的问题。

本发明授权基于局部感知多视图融合的社区机器人检测系统在权利要求书中公布了：1.基于局部感知多视图融合的社区机器人检测方法，其特征在于，包含如下步骤： S1：设计特征编码模块，提取一个账户的多模态特征，获取用户的特征编码； S2：基于S1设计的特征编码模块，分别利用StarBlokc模块和HGT模块提取用户的多视图特征； S3：基于S2的双视图特征，设计局部相似性感知模块提取用户的局部相似性分数，并用局部相似性分数融合多视图特征； S4：设计3阶段的社区和标签感知的对比学习方法来训练整个模型，并用模型进行社区机器人识别； 使用StarBlock神经网络和异构图神经网络GNN来分别提取模型的多视图特征；先使用l个StarBlock模块作为高频特征编码器提取模型的高频特征： Ol＝Ol-1+dropoutStarOl-1 其中，dropout为dropout操作，Star为经过一次Star模块后的输出，Ol为第l个star模块的输出； 使用GNN来聚合邻居之间的共性，提取用户的低频特征；使用HGT来作为低频特征编码器来提取用户的低频特征： Gm＝Gm-1+dropoutHGTGm-1 其中Gm代表第每个GNN层的输出； 使用LocalSim局部相似性感知模块来对两个视图特征来进行加权融合获得模型最终的表达，一个节点的局部相似性计算如下： 其中是节点i6的邻居集合，sim·,·是一个相似性衡量函数，这里使用欧式距离相似性衡量函数： 为了增强MLP层的判别能力，在局部相似性中加入非线性表达： 其中MLPls是一个2层的感知机，Sigmoid*是sigmoid激活函数； 然后分别通过计算低频特征和高频特征的局部相似度来获取混合权重： α＝sigmoidMLPLSOl β＝sigmoidMLPLSGm 最后获取混合表达： rls＝α·Ol+β·Gm 使用3个阶段的训练过程来获取更加鲁棒的图节点表达；使用表示整个图G的边集，其中表示第i7个用户和第j3个用户的连接；使用louvain方法来对整个图进行社区划分得到社区划分信息其中是第i8个用户的社区编号；从G中采样一个子图Gsub，包含n条边在子集上计算对比学习损失； 对于连接分别基于标签以及社区计算对比损失： 其中分别表示用户i用户j的特征表达；最后得到总的对比损失： 其中λ是权重系数，用于控制两种对比损失的比重； 使用3阶段的训练来训练整个模型； Stage1：高频特征提取器训练：使用一个额外的MLP来获取分类结果以便于学习分类损失，设第l层starblocks的输出为O，则： 其中Gsub是单轮训练从整个社交网络图G中采样的一个子图，是节点i9真实的标签； 使用对比学习方法来扩大不同标签的特征表达的差异性，这里使用Ol做为用户的表达获得用户的对比损失则最终的损失为： 其中μ为权重系数； Stage2：低频特征提取器训练；在这一阶段先冻结用户节点信息编码器和starsblocks，训练HGTs，HGTs的输出Gm做为用户的表达，使用一个额外的MLPstage2来获得预测标签，最后的到分类损失同时也得到对比学习损失最后得到最终的损失： Stage3：最后使用混合表达Rls作为最终表达，使用一个MLP获得预测标签；这里解冻整个模型，并仅使用分类损失: 其中Gtrain是训练集子图。

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北京工业大学，其通讯地址为：100020 北京市朝阳区平乐园100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。