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曲率双曲图神经网络的社交网络关系预测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：CN121502488B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610031405.4，技术领域涉及：G06F18/241；该发明授权一种基于多曲率双曲图神经网络的社交网络关系预测方法是由徐晓宇;姚光乐;王洪辉设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本一种基于多曲率双曲图神经网络的社交网络关系预测方法在说明书摘要公布了：本发明公开了一种基于多曲率双曲图神经网络的社交网络关系预测方法，属于社交网络技术领域，包括步骤：构造社交网络图；构造包括随机删除层、多曲率双曲空间映射层、改进双曲图卷积神经网络、动态曲率融合层和分类器的类别预测网络；训练类别预测网络得到类别预测模型；获取待识别社交网络图，经类别预测模型得到对应的融合特征矩阵Zr；处理Zr为二值矩阵，根据二值矩阵内元素值确定边关系。本发明通过引入多曲率学习机制，使模型更灵活、更精确地匹配社交网络图中子结构的真实几何特性，在双曲图神经网络特征提取时引入缩放聚集因子调整邻居的贡献，从而调整节点特征，保持多层特征提取时的层级关系，最终提升关系预测的准确性。

本发明授权一种基于多曲率双曲图神经网络的社交网络关系预测方法在权利要求书中公布了：1.一种基于多曲率双曲图神经网络的社交网络关系预测方法，其特征在于，包括以下步骤： S1，构造社交网络图G=V,E； 预定义节点、节点类别、边关系、节点特征向量，所述节点为出版物、作者、会议、期刊或研究领域，若两节点间有边关系，则两节点间生成一条边； 将所有节点、所有边分别构成节点集合V、边的集合E，构造G=V,E，构造G的节点特征矩阵X、邻接矩阵A、类别标签集合Y，所述X中第i行向量为节点i的节点特征向量，1≤i≤|V|，|V|为节点总数； S2，构造一类别预测网络，包括随机删除层、多曲率双曲空间映射层、改进双曲图卷积神经网络、动态曲率融合层、分类器； 所述随机删除层用于随机删除G内部分节点的边，生成预处理网络图G’，并按G’重新生成预处理邻接矩阵A’； 所述多曲率双曲空间映射层用于学习生成个双曲空间，分别将X映射到每个双曲空间得到映射矩阵，其中第θ个双曲空间曲率为cθ、映射矩阵为；1≤θ≤； 所述改进双曲图卷积神经网络包括K层改进双曲图卷积层，其中第k层用于根据下式生成第k层的双曲图卷积特征，1≤k≤K； ， 式中，是从切空间到双曲空间的映射，是从双曲空间到切空间的映射，Ni是节点i的邻居节点集合，j为Ni内第j个邻居节点，是第k层的缩放聚集因子，、分别是第k层的权重矩阵和偏置项，为第k-1层双曲图卷积层的输出特征，和分别是双曲空间中的加法和乘法，×为哈达玛积； 所述动态曲率融合层用于将每个双曲空间的第K层双曲图卷积特征分别映射到切空间，再自适应加权融合，得到融合特征矩阵Z； 所述分类器用于输入Z，输出Z中各节点属于各类别的概率向量，并将所有节点的概率向量构成预测类别集合； S3，用G=V,E训练类别预测网络，并以最小化和Y间贝叶斯个性化排序损失函数Loss调整类别预测网络的参数至收敛，得到类别预测模型； S4，获取待识别社交网络图Gr，其中边的关系不完整，输入类别预测模型，获取对应的融合特征矩阵Zr； S5，对Zr每行向量，两两一组求内积，生成内积矩阵，再0-1化为二值矩阵，对二值矩阵中元素，若值为1，则对应两节点存在边关系，否则无边关系。

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。