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！

龙图腾网获悉东莞理工学院申请的专利一种基于多层预测采样的引文网络作者合作链接预测方法及装置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：CN119474751B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411606547.6，技术领域涉及：G06F18/20；该发明授权一种基于多层预测采样的引文网络作者合作链接预测方法及装置是由吴昊;刘志刚;李蔚凌;钟裕荣设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种基于多层预测采样的引文网络作者合作链接预测方法及装置在说明书摘要公布了：本申请公开了一种基于多层预测采样的引文网络作者合作链接预测方法及装置，所述方法包括：获取原始引文网络已知数据；基于原始引文网络已知数据，构建引文网络作者关系张量和多层引文网络作者链接的隐特征矩阵；基于所述引文网络作者关系张量，构建引文网络作者关系预测的目标损失函数，采用所述目标损失函数对每一层引文网络作者链接的隐特征矩阵进行训练并迭代优化；基于训练后的每一层引文网络作者链接的隐特征矩阵，获得引文网络作者关系链路的预测结果。本发明专门作用于张量作者关系数据，能够进行符合统计规律的、准确度高的作者关系链接预测。可广泛应用在信息检索、网络分析等领域。

本发明授权一种基于多层预测采样的引文网络作者合作链接预测方法及装置在权利要求书中公布了：1.一种基于多层预测采样的引文网络作者合作链接预测方法，其特征在于，包括如下步骤： S1：获取原始引文网络已知数据； S2：基于原始引文网络已知数据，构建引文网络作者关系张量和多层引文网络作者链接的隐特征矩阵； S3：基于所述引文网络作者关系张量，构建引文网络作者关系预测的目标损失函数，采用所述目标损失函数对每一层引文网络作者链接的隐特征矩阵进行训练并迭代优化所述目标损失函数； S4：基于训练后的每一层引文网络作者链接的隐特征矩阵，获得引文网络作者关系链路的预测结果； 其中，所述引文网络已知数据以四元组的形式进行存储，四元组表示为W＝a1,a2,rel,l；a1和a2分别表示引文网络中不同的作者，rel表示作者a1和作者a2之间的元路径关系，l表示作者a1和作者a2通过元路径关系rel的作者合作的关系链接值； 步骤S2包括： S21：将所述引文网络已知数据中的所有的四元组W＝a1,a2,rel,l按照元路径关系rel划分为K个时间段数据； S22：基于rel＝1的四元组W1＝a1,a2,1,l得到W1的数据a1,a2,l，并根据W1构造元路径关系rel＝1的切片矩阵T1； S23：根据其余元路径关系rel依次基于上述步骤从四元组W＝a1,a2,rel,l中依次选择出四元组W2、W3、…、WK，分别构造切片矩阵T2、T3、…、TK； S24：将K个所述切片矩阵按照划分的元路径关系的先后顺序从小到大依次排列，构建引文网络作者关系张量Y； S25：基于所述引文网络已知数据，构建多层引文网络作者链接的隐特征矩阵G、D、Q； 其中，基于已知数据集合Ψ和生成数据集合Ω构建引文网络张量Y，以构造目标损失函数ε，ε用以下公式表示： 其中，n代表层数；Gn,Dn,Qn分别代表第n层对应的隐特征矩阵；代表第n层的隐特征矩阵对应的单一元素值；α和β代表权重；yijk表示引文网络作者关系张量Y中已知实体，即第i个作者在第k个关系上与第j个作者之间的合作关系链接值；表示逐层选择的生成数据对应的预测值并经过非线性激活函数得到的最终预测值；切片矩阵T1的大小为I行J列，I、J均为作者的数，K为正整数，切片矩阵T1中的元素T1 ij表示在第1种关系下第i个作者和第j个作者的关系链接值，1≤i≤I，1≤j≤J， 表示实数集；其中，隐特征矩阵G为的大小为I行R列、隐特征矩阵D的大小为J行R列，隐特征矩阵Q的大小为K行R列。

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东莞理工学院，其通讯地址为：523000 广东省东莞市松山湖科技产业园区大学路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”。