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！

龙图腾网获悉北京邮电大学;微梦创科网络科技(中国)有限公司申请的专利基于测试时训练的信息传播预测模型训练方法、预测方法及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：CN119578496B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510131006.0，技术领域涉及：G06N3/0895；该发明授权基于测试时训练的信息传播预测模型训练方法、预测方法及系统是由张熙;李朝卓;朱文婷;郭三川;尚煜茗;杨天齐;张勇东;吴侃设计研发完成，并于2025-02-06向国家知识产权局提交的专利申请。

本基于测试时训练的信息传播预测模型训练方法、预测方法及系统在说明书摘要公布了：本发明提供一种基于测试时训练的信息传播预测模型训练方法、预测方法及系统，根据用户集和级联集构建有向社交图和序列扩散超图，构建训练集和测试集；信息传播预测模型包括宏观预测分支、微观预测分支和引入MAE的辅助自监督学习分支，三条分支共享特征提取器；训练时基于训练集对模型进行联合训练，引入一致性损失确保辅助任务与主任务对特征提取器参数的优化方向一致；测试时针对特定测试样本以最小化辅助自监督学习任务损失为目标进行测试时训练，调整特征提取器以适应样本分布，结合任务特定的预测头获取信息传播预测模型。本发明能够实现多尺度信息传播预测，解决信息传播预测任务中的分布偏移问题，提高模型在不同测试环境下的泛化性能。

本发明授权基于测试时训练的信息传播预测模型训练方法、预测方法及系统在权利要求书中公布了：1.一种基于测试时训练的信息传播预测模型训练方法，其特征在于，该方法包括以下步骤： 构建用户集和历史级联集，所述用户集包含多个用户，所述历史级联集包含多条级联，每条级联记录了一条信息项按照时间经由相应用户实现的传播过程；根据所述用户集和用户之间的社交关系构建有向社交图，将所述历史级联集按照所述时间戳划分，构建序列扩散超图；根据每条级联的初始发布时间划分训练样本集和测试样本集，并基于级联大小获取宏观预测任务的真实标签； 构建信息传播预测模型，所述信息传播预测模型包括宏观预测分支、微观预测分支和辅助自监督学习分支，三条分支共用一个特征提取器；其中，将所述有向社交图和所述序列扩散超图输入所述特征提取器，学习得到用户社交关系表示、用户动态交互表示和共享级联表示，并输入三条分支；其中，所述特征提取器包括社交关系编码器、扩散交互编码器和共享表示模块；将所述有向社交图输入所述社交关系编码器，通过多层图卷积神经网络，提取所述用户社交关系表示；将所述序列扩散超图输入所述扩散交互编码器，引入门控融合策略，通过超图神经网络在每个时间间隔内捕捉用户之间的动态交互，以提取所述用户动态交互表示；检索每一用户的社交关系表示和动态交互表示输入所述共享表示模块，通过长短期记忆网络建模用户之间的上下文交互，得到宏观任务和微观任务共享的共享级联表示；在所述宏观预测分支中，对所述历史级联集中每个级联采用用户掩码和用户重排的序列增强策略进行增强，生成增强后的训练环境，根据所述用户动态交互表示，基于宏观长短期网络获取细化的级联表示，并与所述共享级联表示拼接，由宏观预测器进行预测，得到级联规模；在所述微观预测分支中，根据所述增强后的训练环境和所述用户社交关系表示，基于微观长短期记忆网络获取细化的级联表示，并与所述共享级联表示拼接，由微观预测器进行预测，得到下一个传播用户；在所述辅助自监督学习分支中，对每个级联中部分用户随机遮掩，根据所述共享级联表示将用户序列转化为用户嵌入序列，设置可见用户嵌入和遮掩用户嵌入，将所述可见用户嵌入输入编码器，生成可见用户的可见表示，将所述可见表示和所述遮掩用户嵌入输入解码器，重建所述用户嵌入序列中各用户的嵌入； 采用所述训练样本集对所述信息传播预测模型进行训练，构建宏观预测任务损失、微观预测任务损失、辅助自监督学习任务损失和任务一致性损失的联合损失，以最小化所述联合损失为目标，优化所述信息传播预测模型； 采用所述测试样本集对优化得到的信息传播预测模型进行测试时训练，固定所述宏观预测分支和所述微观预测分支的参数，以最小化所述辅助自监督学习任务损失为目标，优化所述辅助自监督学习分支和所述特征提取器的参数，得到最终的信息传播预测模型。

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北京邮电大学;微梦创科网络科技(中国)有限公司，其通讯地址为：100876 北京市海淀区西土城路10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”。