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！

龙图腾网获悉北京航空航天大学申请的专利基于上下文表示学习的城市区域动态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：CN120317401B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510805132.X，技术领域涉及：G06N20/00；该发明授权基于上下文表示学习的城市区域动态表征学习方法是由孙磊磊;冯新顺;吕卫锋;韩良喆;盛浩;诸彤宇设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本基于上下文表示学习的城市区域动态表征学习方法在说明书摘要公布了：本发明提出一种基于上下文表示学习的城市区域动态表征学习方法，属于城市功能与时空数据挖掘领域，包括：S1：根据公共交通数据构建连续动态图；S2：构建多个时间维度下的城市区域动态表征提取器，所述提取器用于提取所述连续动态图中的结构信息和语义信息，并将所述连续动态图中的节点转化为固定维数的表征向量，且随时间动态更新；S3：利用多个预测任务对提取器进行预训练，包括设计相应的损失函数引导提取器学习更加通用的城市区域表征；S4：利用训练好的多个提取器获取城市区域动态表征，并将城市区域动态表征结合上下文表示学习应用于多个下游任务。本发明可捕捉到全面的时空语义信息，从多时间粒度动态捕捉城市的动态区域表征。

本发明授权基于上下文表示学习的城市区域动态表征学习方法在权利要求书中公布了：1.一种基于上下文表示学习的城市区域动态表征学习方法，其特征在于，包括： 步骤S1：根据公共交通数据构建连续动态图，所述连续动态图为一系列按照时间排序的移动数据的集合； 步骤S2：为每一个城市区域构建城市区域动态表征向量，构建短时-信息特征提取器、中时-信息融合提取器和长时-信息更新提取器，基于和分别提取基础动态特征向量、中时间粒度城市区域动态表征向量和当前城市动态表征向量，具体包括： 步骤S21：使用城市区域编码器为每一个城市区域维护一个城市区域动态表征向量，用于存储区域的动态变化； 步骤S22：构建短时-信息特征提取器将细粒度的移动数据编码成基础动态特征向量，具体步骤如下： 首先，将出行数据时间按照小时进行划分，计算用于编码区域内起始时间段为到内细粒度的的基础动态特征向量，公式如下： 2 3 4 其中，和是可以训练的参数；和均表示中间变量；是将和拼接一起的函数；和分别代表区域和区域的动态表征向量；和分别代表在内出发地区域为和到达地区域为的所有出行事件； 然后，根据时间衰减系数对于出行数据的时间信息进行编码，并根据出行的出发区域和到达区域对这些信息进行初步聚合得到该时间段的基础动态特征向量； 步骤S23：构建中时-信息融合提取器对所述基础动态特征向量进行数据增强，获取增强后的中时间粒度城市区域动态表征向量： 对于基础动态特征向量进行跨时间注意力聚合，计算公式如下： 5 6 其中，和均为可训练参数，是归一化函数，为中时间粒度城市区域动态表征向量； 步骤S24：构建长时-信息更新提取器用于将进行选择性学习和保存，生成当前城市动态表征向量： 根据和城市历史动态表征向量，以及可学习的参数对于城市动态表征进行动态更新，公式如下： 7 其中，为可训练的参数，是城市历史动态表征向量，是元素乘积操作； 步骤S3：基于和构建历史区域表征序列和当前表征，所述当前表征为当前时刻的城市区域动态表征，基于所述当前表征结合多种预训练任务训练所述短时-信息特征提取器、中时-信息融合提取器和长时-信息更新提取器； 步骤S4：利用训练好的短时-信息特征提取器、中时-信息融合提取器和长时-信息更新提取器获取城市区域动态表征，并将所述城市区域动态表征结合上下文表示学习应用于多个下游任务。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。