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申请的专利异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类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：CN117272017B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202311071070.1，技术领域涉及：G06F18/213；该发明授权异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类方法及装置是由杜军平;王嘉;邵蓥侠;李昂;余今;管泽礼设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类方法及装置在说明书摘要公布了：本发明提供一种异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类方法及装置，基于联邦学习的形式，在各客户端本地构建生成器和鉴别器利用对抗学习训练本地模型，并在中心服务器进行模型参数的聚合，有效保证数据隐私。同时，各客户端在本地训练的过程中，通过跨客户端通信，获取目标节点关联的跨客户端邻居节点的原始特征，并基于top‑k随机游走平的采样各类邻居参与到嵌入学习中，降低客户端数据差异对训练影响，提升联邦异质图神经网络的学习质量，提高了下游子任务的执行效率。

本发明授权异质图数据节点嵌入特征提取模型训练方法、嵌入特征提取方法、节点分类方法及装置在权利要求书中公布了：1.一种异质图数据节点嵌入特征提取模型训练方法，其特征在于，所述方法基于相互连接的多个客户端和中心服务器执行，每个所述客户端持有一部分异质图数据的异质子图作为私有数据，每个所述客户端还部署跨客户端采样器，该方法包括以下步骤： 由所述中心服务器初始化全局生成器和全局鉴别器的全局模型参数； 在一个训练轮次中，执行步骤包括： 由所述中心服务器将所述全局模型参数发送至每个客户端，并构建局部生成器和局部鉴别器，所述局部生成器基于本地持有的所述异质子图中目标节点的客户端内邻居节点原始特征及权重，以及关联客户端提供的所述目标节点跨客户端邻居节点的原始特征及权重，在添加噪声数据的情况下输出所述目标节点的负样本嵌入特征；所述原始特征是针对所述客户端内邻居节点和所述跨客户端邻居节点的数据类型初步提取的特征向量； 由所述客户端本地的跨客户端采样器基于top-k随机游走算法对所述目标节点在所述客户端内邻居节点和所述跨客户端邻居节点进行采样，并根据采样得到的所述客户端内邻居节点和所述跨客户端邻居节点的原始特征及权重聚合计算正样本嵌入特征； 所述局部鉴别器基于所述负样本嵌入特征和所述正样本嵌入特征，执行对所述目标节点的邻居节点类型的鉴别任务以及正负样本的识别任务； 基于对抗学习，所述局部生成器通过最小化所述局部鉴别器对所述负样本嵌入特征的识别成功率构建损失进行参数更新，所述局部鉴别器通过最大化邻居节点类型的鉴别任务以及正负样本的识别任务成功率构建损失进行参数更新； 各客户端的将更新后的所述局部生成器和所述局部鉴别器的参数发送至所述中心服务器进行参数聚合； 按照设定条件执行多个训练轮次，更新所述全局生成器、所述全局鉴别器、所述局部生成器和所述局部鉴别器； 在各客户端上构建目标嵌入特征提取模型，所述目标嵌入特征提取模型基于相应客户端的局部生成器针对其所持有的异质子图提取指定目标节点的第一嵌入特征，并将所述第一嵌入特征聚合指定目标节点的客户端内邻居节点和跨客户端邻居节点的原始特征，得到所述指定目标节点的嵌入特征。

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，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”。