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！

龙图腾网获悉天津大学合肥创新发展研究院申请的专利基于标签语义的动态属性网络层次标签推理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：CN118839773B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202410972587.6，技术领域涉及：G06N5/04；该发明授权基于标签语义的动态属性网络层次标签推理方法是由杨雅君;李俊良设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本基于标签语义的动态属性网络层次标签推理方法在说明书摘要公布了：本发明公开了一种基于标签语义的动态属性网络层次标签推理方法，包括以下步骤：步骤1、利用数据集来构建属性网络G、标签构建标签语义层次图H；步骤2、分别计算所述属性网络G中用户节点的嵌入矩阵Z、标签语义层次图H中标签节点的嵌入矩阵F；步骤3、生成层次标签推理模型，并利用步骤2得到的用户节点嵌入矩阵Z、标签节点嵌入矩阵F对所述标签推理模型进行训练；步骤4、将属性网络中未知用户节点数据输入至训练好的层次标签推理模型，得到未知用户节点的最终标签推理结果。本发明可实现多层次标签推理，解决了现有方法的局限性问题。

本发明授权基于标签语义的动态属性网络层次标签推理方法在权利要求书中公布了：1.基于标签语义的动态属性网络层次标签推理方法，其特征在于，包括以下步骤： 步骤1、利用数据集来构建属性网络G，并利用属性网络G中用户节点的标签构建标签语义层次图H；所述数据集中的数据包括属性网络中已知的用户节点数据、已知的用户节点之间关系数据、已知的用户节点的特征数据、已知的用户节点的多级标签路径数据； 步骤2、分别计算所述属性网络G中用户节点的嵌入矩阵Z，以及所述标签语义层次图H中标签节点的嵌入矩阵F； 步骤3、生成层次标签推理模型，并利用步骤2得到的用户节点嵌入矩阵Z、标签节点嵌入矩阵F对所述标签推理模型进行训练； 每次训练时，所述层次标签推理模型以标签节点嵌入矩阵F中的标签语义作为属性网络中用户节点的分类权重，并结合用户节点嵌入矩阵Z，通过语义全连接层推理得到属性网络中用户节点在标签语义层次图H中每层的标签推理结果 并且，所述层次标签推理模型基于用户节点的每层标签语义，通过语义标签传播得到所有用户节点在标签语义层次图H中每层的标签推理结果 最后，所述层次标签推理模型结合标签推理结果和得到训练集中用户节点在标签语义层次图H中每层的标签推理结果； 对所述层次标签推理模型进行多轮训练，并基于损失函数计算结果对层次标签推理模型的参数进行优化，由此得到训练好的层次标签推理模型； 步骤4、将属性网络中未知用户节点数据输入至训练好的层次标签推理模型，由训练好的层次标签推理模型得到未知用户节点的最终标签推理结果； 步骤4中，当未知用户节点为新节点时，使用时首先基于辅助参数将新节点的特征变换到和属性网络中已有用户节点特征相同的维度，接着基于新节点和属性网络中已有用户节点间的关联，对新节点的邻居的特征进行聚合以获得精细化的嵌入，最后再根据该嵌入和模型原本参数中的预测模块得到推理结果；具体训练时，每次从原始网络中删除少部分节点当做新节点集合，并让新节点和网络中旧节点间建立关联；然后，基于辅助参数得到子图中新旧节点精细化的嵌入并推理得到标签；最后，根据子图中旧节点的标签计算损失函数，同时最小化基于辅助参数得到的嵌入和基于原始模型参数得到的嵌入间的距离来优化辅助参数，真正使用时，仅使用辅助参数即可推理得到新节点的标签。

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天津大学合肥创新发展研究院，其通讯地址为：230031 安徽省合肥市出口加工区综合业务楼14层、16层；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”。

以上内容由龙图腾AI智能生成。