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！

龙图腾网获悉湖南工商大学申请的专利一种双超图正则化双深度编码-解码概念分解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：CN121542424B 。

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：202610072005.8，技术领域涉及：G06F16/35；该发明授权一种双超图正则化双深度编码-解码概念分解方法是由罗鹏;尹颢达设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本一种双超图正则化双深度编码-解码概念分解方法在说明书摘要公布了：本发明实施例中提供一种双超图正则化双深度编码‑解码概念分解方法，属于数据处理技术领域，具体包括：输入文本数据；根据文本数据构建文档‑词特征矩阵；构建词侧超图据此计算词侧超图拉普拉斯矩阵；构建文档侧超图据此计算文档侧超图拉普拉斯矩阵；定义并初始化双超图正则化双深度编码‑解码概念分解模型的参数；构建目标函数，并推导概念表示矩阵和各层权重矩阵对应的非负乘法更新公式；交替迭代更新概念表示矩阵和各层权重矩阵，获得收敛后的概念表示矩阵；根据收敛后的概念表示矩阵，构造文本低维表示矩阵；基于文本低维表示矩阵，采用聚类算法对文本进行主题聚类并输出结果。通过本发明的方案，提高建模准确性、稳定性和可解释性。

本发明授权一种双超图正则化双深度编码-解码概念分解方法在权利要求书中公布了：1.一种双超图正则化双深度编码-解码概念分解方法，其特征在于，包括： 步骤1，输入待聚类的文本数据； 步骤2，根据文本数据构建文档-词特征矩阵，其中，文档-词特征矩阵的列对应文档，行对应词项； 步骤3，基于词项之间的相似性构建词侧超图，据此计算对应的词侧超图拉普拉斯矩阵； 步骤4，基于文档之间的相似性构建文档侧超图，据此计算对应的文档侧超图拉普拉斯矩阵； 步骤5，定义并初始化双超图正则化双深度编码-解码概念分解模型的参数，包括：设定概念数，定义非负概念表示矩阵，构建由多层线性映射构成的双深度编码-解码网络，设置每一层的权重矩阵，并对概念表示矩阵及各层权重矩阵进行非负初始化； 步骤6，构建双超图正则化双深度编码-解码概念分解模型的目标函数，并推导概念表示矩阵和各层权重矩阵对应的非负乘法更新公式，其中，所述目标函数的表达式为： 其中，为由各层权重矩阵构成的整体映射矩阵，为待聚类文本数据的特征矩阵，为概念数，为顶点在维概念空间中的表示矩阵，矩阵列与顶点一一对应，为双深度编码-解码网络中第层的权重矩阵，，为网络层数，分别为文档侧编码一致性与词侧编码一致性的正则化参数，为闭环一致性的正则化参数，分别为词侧与文档侧超图结构正则项的权重参数； 步骤7，基于更新公式，交替迭代更新概念表示矩阵和各层权重矩阵，直至目标函数收敛或达到预设的最大迭代次数，获得收敛后的概念表示矩阵； 所述步骤7具体包括： 步骤7.1，在给定文本数据及双超图结构的情况下，对非负概念表示矩阵和各层权重矩阵进行初始化，并设置迭代计数的初始值以及预先设定的最大迭代次数和目标函数收敛条件； 步骤7.2，在第一次迭代中，在保持各层权重矩阵不变的情况下，采用概念表示矩阵的乘法更新公式，对概念表示矩阵进行一次更新，得到更新后的概念表示矩阵； 步骤7.3，在更新后的概念表示矩阵固定不变的情况下，采用各层权重矩阵的乘法更新公式依次对每一层权重矩阵进行更新，并据此得到新的整体映射矩阵； 步骤7.4，在完成当前轮次对概念表示矩阵和各层权重矩阵的更新后，计算此时的目标函数的数值，并与上一轮迭代的目标函数数值进行比较，当相邻两次迭代的目标函数差值满足预先设定的收敛条件，或者迭代次数达到预先设定的最大迭代次数时，终止迭代，得到收敛后的概念表示矩阵及各层权重矩阵，否则继续执行下一轮迭代，重复步骤7.2和步骤7.3； 步骤8，根据收敛后的概念表示矩阵，构造文本低维表示矩阵； 步骤9，基于文本低维表示矩阵，采用聚类算法对文本进行主题聚类并输出结果。

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湖南工商大学，其通讯地址为：410205 湖南省长沙市岳麓区岳麓大道569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。