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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利面向节点属性保存的动态网络表征学习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：CN120354884B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510853996.9，技术领域涉及：G06N3/042；该发明授权面向节点属性保存的动态网络表征学习方法是由邱振宇;陈斯隆;罗玉川;周寰;陈颖文;周竞文;付绍静设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本面向节点属性保存的动态网络表征学习方法在说明书摘要公布了：本申请涉及一种面向节点属性保存的动态网络表征学习方法。方法包括：获取含时社交网络样本；构建归纳式图卷积模型；根据归纳式图卷积模型的聚合卷积模块数确定含时社交网络样本中目标节点的邻居节点采样阶数，根据邻居节点与目标节点交互时间的先后顺序从采样阶数的最高阶开始逐层向下有偏采样，得到每一层的采样节点集合和邻居序列队列；通过个聚合卷积模块，根据每一层的采样节点集合和邻居序列队列逐层聚合对应阶数的邻居节点属性向量，以最后一个聚合卷积模块的输出作为目标节点的嵌入向量；训练归纳式图卷积模型，利用训练好的归纳式图卷积模型进行表征学习以完成社交网络分析任务。采用本方法能够学习更为准确的节点表征。

本发明授权面向节点属性保存的动态网络表征学习方法在权利要求书中公布了：1.一种面向节点属性保存的动态网络表征学习方法，其特征在于，所述方法包括： 获取含时社交网络样本；所述含时社交网络样本包括节点、边以及属性矩阵；所述节点表示社交网络上的用户，边表示用户间在历史时刻发生的交互关系，属性矩阵中每一行表示用户的属性向量； 构建归纳式图卷积模型；所述归纳式图卷积模型包括个聚合卷积模块；所述聚合卷积模块均包括LSTM层、注意力层和全连接层； 根据所述归纳式图卷积模型的聚合卷积模块数确定所述含时社交网络样本中目标节点的邻居节点采样阶数，根据邻居节点与目标节点交互时间的先后顺序从采样阶数的最高阶开始逐层向下进行有偏采样，得到每一层的采样节点集合和邻居序列队列；所述采样节点集合包括对应的聚合卷积模块中卷积计算所涉及的节点，包括目标节点及其对应阶数的邻居节点；所述邻居序列队列包括对应上一层采样节点的邻居节点采样序列； 通过个聚合卷积模块，根据每一层的采样节点集合和邻居序列队列，逐层聚合对应阶数的邻居节点属性向量，以最后一个聚合卷积模块输出的节点表征向量作为目标节点的嵌入向量； 根据所述含时社交网络样本和与预先设置的损失函数训练所述归纳式图卷积模型，得到训练好的归纳式图卷积模型，利用训练好的归纳式图卷积模型进行表征学习以完成社交网络分析任务。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。