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！

龙图腾网获悉南京大学申请的专利一种基于时序卷积和关系建模的事件序列预测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：CN114723003B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202210305672.8，技术领域涉及：G06N3/0464；该发明授权一种基于时序卷积和关系建模的事件序列预测方法是由申富饶;王言;赵健设计研发完成，并于2022-03-25向国家知识产权局提交的专利申请。

本一种基于时序卷积和关系建模的事件序列预测方法在说明书摘要公布了：本发明公开了一种基于时序卷积和关系建模的事件序列预测方法，包括：步骤1，从数据库中事件序列训练集；步骤2，对原始数据进行预处理；步骤3，利用标记特征编码器对历史序列中的标记信息进行特征提取；步骤4，利用时序特征编码器对历史序列中的时间信息进行特征提取；步骤5；对历史事件的标记特征编码和时间特征编码进行特征融合，输出对于单个历史事件的特征表示；步骤6，在事件编码的基础上构建事件间的时序相关性图，输出历史序列的特征编码；步骤7，对于每种类型事件分别计算条件强度；步骤8，计算模型损失函数并进行参数更新；步骤9，判断模型的损失曲线是否收敛，若没有收敛则返回步骤8；步骤10，保存训练好的模型并进行部署。

本发明授权一种基于时序卷积和关系建模的事件序列预测方法在权利要求书中公布了：1.一种基于时序卷积和关系建模的事件序列预测方法，其特征在于，包括以下步骤： 步骤1，从数据库中生成用于模型训练的历史事件序列数据集Dtrain，即原始训练数据集Dtrain，每个事件数据包含历史事件所发生的时间戳和标记信息，并构建事件序列预测模型； 步骤2，对原始训练数据集进行数据预处理，包括数据清洗和事件间隔时间计算；其中，数据清洗过程包括无效样本去除，异常样本修补以及数据归一化； 步骤3，利用标记特征编码器fmark对原始训练数据集Dtrain中历史事件的标记信息进行特征提取，得到标记特征编码vmark； 步骤4，利用时序特征编码器ftime对原始训练数据集Dtrain中历史事件的时间戳信息进行特征提取，得到时间特征编码vtime； 步骤5，对标记特征编码vmark和时间特征编码vtime进行特征融合，得到对于单个事件的特征表示vevent； 步骤6，基于历史事件序列中单个历史事件的特征编码，构造事件间的时序相关性图，并利用其对历史事件序列进行特征表示，得到序列特征si； 步骤7，利用序列特征si计算每种类型事件的条件强度函数λ，利用条件强度推理得到未来事件发生的时间戳和标记信息； 步骤8，计算事件序列预测模型的损失函数值，计算对应的梯度，并利用优化算法实现事件序列预测模型的反向传播，更新事件序列预测模型参数； 步骤9，判断事件序列预测模型的损失曲线是否收敛，若没有收敛，则返回步骤8继续对事件序列预测模型进行参数优化； 步骤10，完成基于时序卷积和关系建模的事件序列预测，保存已经训练好的事件序列预测模型，并将事件序列预测模型部署至服务器。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。