Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海交通大学王铮获国家专利权

上海交通大学王铮获国家专利权

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!

龙图腾网获悉上海交通大学申请的专利基于语义聚合元路径的异构图嵌入生成图结构优化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:CN119760179B

龙图腾网通过国家知识产权局官网在2025-12-30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:202411846879.1,技术领域涉及:G06F16/901;该发明授权基于语义聚合元路径的异构图嵌入生成图结构优化系统是由王铮;罗智超设计研发完成,并于2024-12-16向国家知识产权局提交的专利申请。

基于语义聚合元路径的异构图嵌入生成图结构优化系统在说明书摘要公布了:一种基于语义聚合元路径的异构图嵌入生成图结构优化系统,包括:异构图节点嵌入模块和语义信息提取模块,本发明通过基于语义信息提取的方式聚合异构图中手工定义的多种类元路径meta‑path以及异构图嵌入生成神经网络,并生成图中对应节点的低维嵌入,使得原图中同类型节点之间以及距离相近的节点之间的低维向量为在潜在向量空间中尽可能接近。经过这种方式生成的节点低维嵌入表示能够很好的适应零样本场景下即数据集完全不平衡,某些节点类型缺少甚至没有标记节点的多种任务。

本发明授权基于语义聚合元路径的异构图嵌入生成图结构优化系统在权利要求书中公布了:1.一种基于语义聚合元路径的异构图嵌入生成图结构优化系统的异构图嵌入生成图结构优化方法,其特征在于,包括: 步骤1、定义问题场景以及优化目标, 步骤2、通过语义信息提取模块进行线性变换、元路径类内聚合和元路径类间聚合后,通过语义信息提取模块获取节点预测语义特征,具体包括: 步骤2.1、利用线性变换矩阵将作者、论文、会议以及关键词对应的特征向量投影到相同维度的向量空间,具体为:,其中:为四种类型节点中某个节点的初始特征向量,为投影变换后的特征向量,即节点变换特征,为特定节点类型的投影变换矩阵,运算符为向量乘法操作符; 步骤2.2、进行元路径类内聚合:通过聚合元路径上所有节点的特征来获取作者的语义信息以及结构信息,即预定义的元路径连接目标作者节点和邻居节点的基于这个特定类型元路径的元路径实例; 步骤2.3、通过引入元路径上每两个节点之间的关系向量来考虑节点之间多类型关系的差异:基于类型的元路径实例的嵌入,其中:,为元路径实例上第个节点的特征向量,为向量的逐元素乘法,为节点之间的关系向量,取决于节点类型和关系类型; 步骤2.4、对于特定类型的元路径,将多个从作者节点开始并以结束的元路径加权求和,生成关于某种特定类型元路径的作者节点的全面嵌入特征,即作者节点的基于元路径的特征向量,其中:元路径的一个特定实例对目标节点的重要性为特定于元路径的注意力向量的转置,为级联操作运算符,和是两个激活函数,为作者节点基于元路径的节点的邻居,为元路径的一个特定实例对目标节点的重要性,为节点的基于元路径的特征向量; 步骤2.5、进行元路径类间聚合:在异构图中,有多种类型的预定义元路径,其中:为元路径类型数目,对于类型为作者的节点,存在关于不同类型元路径的特征向量集合,其中:代表与作者类型关联的元路径类型数目,且,对于属于作者类型的所有节点,通过对所有节点的元路径为基础进行平均来总结每个元路径后,应用自注意机制来获取异构节点嵌入特征,其中:是可学习的参数,为某一种元路径对目标节点的重要性,为异构图中节点类型的元路径集合; 步骤2.6、通过语义信息提取模块中的全连接层获取具有不同标签的节点预测语义特征,具体为:将节点嵌入映射到固定维度与预处理得到的语义信息矩阵的水平维度相同的向量,即属于类型的提取的语义信息向量,其中:为异构节点嵌入; 步骤3、获取节点初始语义特征向量,即属于类型的节点的语义特征向量,其中:为的节点类型;是输出函数,为训练节点的数量,为语义向量的维度,在完全不平衡的训练数据集中初始语义特征的信息矩阵,是指:节点的维特征向量; 步骤4、线阶段实时图结构优化处理,遵循半监督学习方法进行模型优化; 所述的异构图嵌入生成图结构优化系统包括:异构图节点嵌入模块和语义信息提取模块,其中:异构图节点嵌入模块根据不同数据集的不同特征定义对应类型元路径,应用两次注意力机制获得图结构数据中不同节点所对应的低维嵌入特征;语义信息提取模块通过输出函数获取异构图中不同类型节点对应的特征向量集合,通过全连接层从异构图节点嵌入模块获取的特征中提取节点对应的提取语义特征向量,以该向量与节点的初始语义特征信息对应的向量之间的MSE作为损失函数实现优化,从而实现在完全不平衡数据集下对不同类型节点的分类,提升模型在零样本场景下的表现效果。

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上海交通大学,其通讯地址为:200240 上海市闵行区东川路800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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。