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！

龙图腾网获悉成都理工大学申请的专利一种基于多尺度融合的社交网络节点分类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：CN121412776B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511988472.7，技术领域涉及：G06F18/241；该发明授权一种基于多尺度融合的社交网络节点分类方法是由徐晓宇;王洪辉;姚光乐设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本一种基于多尺度融合的社交网络节点分类方法在说明书摘要公布了：本发明公开了一种基于多尺度融合的社交网络节点分类方法，属于社交网络技术领域，包括步骤：获取初始社交网络图G0，预设生成社交网络图的尺度数和数种模体结构；构造改进分类网络，包括多尺度网络图生成单元、多尺度增强邻接矩阵生成单元、特征提取融合单元和分类器；构造损失函数Loss；用G0以最小化Loss训练改进分类网络得到多尺度融合的社交网络节点分类模型，用于待分类网络图中节点分类。本发明基于多尺度网络图生成单元自适应生成多尺度社交网络图，克服传统模体提取导致的特征失真问题、以及单一尺度分析的局限性；创新了多尺度增强邻接矩阵生成机制，实现跨尺度的特征捕捉，从而能够提升社交网络节点分类的准确性。

本发明授权一种基于多尺度融合的社交网络节点分类方法在权利要求书中公布了：1.一种基于多尺度融合的社交网络节点分类方法，其特征在于，包括以下步骤： S1，获取初始社交网络图G0=V0,E0,其中V0为社交网络中用户节点集合，E0为用户节点间关系边集合，G0的用户节点特征矩阵X0、邻接矩阵A0、用户节点标签集合Y0； S2，预设生成社交网络图的尺度数S，并将尺度s-1、尺度s的社交网络图分别标记为Gs-1、Gs，1≤s≤S，预设I1种模体结构，第i种模体标记为Mi，1≤i≤I1； S3，构造改进分类网络，包括多尺度网络图生成单元、多尺度增强邻接矩阵生成单元、特征提取融合单元和分类器； 所述多尺度网络图生成单元用于基于模体显著性检测计算Gs-1中各节点的重要性得分，从Gs-1中选取k%个用户节点生成尺度s的社交网络图Gs，Gs=Vs,Es，并生成Gs的用户节点特征矩阵和邻接矩阵，所述Vs、Es分别为尺度s的用户节点集合、用户间关系边集合； 所述多尺度增强邻接矩阵生成单元包括预处理单元、特征提取单元和特征融合单元； 所述预处理单元用于将G0、G1~GS构成网络图集合Gall，Gall={G0,G1,…,GS}，并将Gall中尺度l的网络图标记为Gl，0≤l≤S； 所述特征提取单元用于从Gl的邻接矩阵Al中提取周期项特征Cl和趋势项特征Tl； 所述特征融合单元用于对Cl从尺度0向尺度S融合，依次在尺度1~尺度S输出融合周期项特征~，对Tl从尺度S向尺度0融合，依次在尺度S-1~尺度0输出融合趋势项特征~，并基于融合周期项特征和融合趋势项特征生成尺度l的增强邻接矩阵； 所述特征提取融合单元用于对G0~GS分别用GNN进行特征提取并融合为融合特征Zfinal； 所述分类器用于输入Zfinal，输出V0中用户节点的预测标签集合； S4，构造改进分类网络的损失函数Loss，为Y和的交叉熵损失； S5，将G0输入改进分类网络，以最小化Loss训练改进分类网络至收敛，得到多尺度融合的社交网络节点分类模型，用于待分类社交网络图中用户节点分类。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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。