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！

龙图腾网获悉海南大学申请的专利一种跨网络节点分类方法、装置及计算机可读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：CN115169535B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202210808801.5，技术领域涉及：G06N3/042；该发明授权一种跨网络节点分类方法、装置及计算机可读存储介质是由沈笑;薛鹏;周犀设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本一种跨网络节点分类方法、装置及计算机可读存储介质在说明书摘要公布了：本申请公开了一种跨网络节点分类方法、装置及计算机可读存储介质，涉及图神经网络领域。分别获取源网络和目标网络的节点的最终节点表征，并获取最终节点预测类别标签；将最终节点表征和最终节点预测类别标签的张量积输入至条件域鉴别器中，输出节点的域表征，根据域表征将图神经网络和条件域鉴别器对抗训练，以获取在类别条件下不同网络不可区分的节点表征。上述方案通过使用最终节点表征和最终节点预测类别标签的张量积作为条件域鉴别器的输入，能够让条件域鉴别器在类别条件下尽可能区分源网络和目标网络的节点表征，让图神经网络学习在类别条件下尽可能不可区分源网络和目标网络的节点表征，实现了源网络和目标网络的类别条件分布的对齐匹配。

本发明授权一种跨网络节点分类方法、装置及计算机可读存储介质在权利要求书中公布了：1.一种跨网络节点分类方法，其特征在于，包括： 分别获取源网络和目标网络的节点的数据；其中，Blog1为源网络，Blog2为目标网络；Blog1和Blog2均为在线社交网络数据集；在Blog1和Blog2网络中，每个节点代表一个博主，每条边代表两个博主之间的关注关系，每个节点具有一个属性向量，属性向量提取自博主的关键词；每个节点具有一个类别标签，代表博主感兴趣的在线社团；在Blog1中，每个节点均有已知的类别标签；在Blog2中，每个节点均无类别标签； 将所述数据输入至图神经网络，以获取所述节点的最终节点表征；其中，所述图神经网络是聚合所述节点的数据及其邻居节点的数据获取所述最终节点表征的神经网络； 根据所述最终节点表征获取所述节点的最终节点预测类别标签； 将所述最终节点表征和所述最终节点预测类别标签的张量积输入至条件域鉴别器中，输出所述节点的域表征； 根据所述域表征将所述图神经网络和所述条件域鉴别器对抗训练，以获取在类别条件下不同网络不可区分的节点表征； 其中，所述条件域鉴别器为预先根据所述张量积、所述域表征、隐藏层数量和可学习参数构建的多层感知机网络； 所述将所述数据输入至图神经网络，以获取所述节点的最终节点表征包括： 获取所述数据中所述节点的属性和所述节点的所述邻居节点的属性； 将所述节点的属性输入至第一特征提取器中，以获取节点自身表征； 将所述邻居节点的属性输入至第二特征提取器中，以获取邻居节点表征； 根据所述图神经网络的最深层的所述节点自身表征和所述邻居节点表征生成最终节点表征； 其中，所述第一特征提取器为根据所述节点的属性训练获取对应的所述节点自身表征的一个多层感知机网络；所述第二特征提取器为根据所述邻居节点的属性训练获取对应的所述邻居节点表征的一个多层感知机网络； 在所述根据所述图神经网络的最深层的所述节点自身表征和所述邻居节点表征生成最终节点表征之后，还包括： 根据所述目标网络中所述节点的所述最终节点表征，获取所述节点的所述最终节点表征到其所有所述邻居节点进行加权平均的所述最终节点表征的第一距离，以生成无标签感知的特征传播损失函数； 根据所述源网络中所述节点的所述最终节点表征和所述源网络中任意两个所述节点间的标签感知指标，获取所述节点的所述最终节点表征到具有相同类别标签的K-阶邻居进行加权平均得到的所述最终节点表征的第二距离，以生成标签感知的特征传播损失函数；其中，所述标签感知指标用于指示所述源网络中任意两个节点是否具有相同的类别标签，如果两个节点具有相同的类别标签，则所述标签感知指标为1，否则为0； 根据所述无标签感知的特征传播损失函数和所述标签感知的特征传播损失函数生成总特征传播损失函数。

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海南大学，其通讯地址为：570228 海南省海口市人民大道58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。