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！

龙图腾网获悉汕头大学申请的专利基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联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：CN119851767B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411947802.3，技术领域涉及：G16B40/00；该发明授权基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联预测方法是由张天纲;陈东良;玄萍设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联预测方法在说明书摘要公布了：本发明公开一种基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联预测方法，包括：构建药物和微生物实体知识图谱；基于类别敏感的transformer交互注意力机制整合各实体特征表示间的多样联系，得到实体特征；基于生物学语义构建多个元路径，通过递归门控策略学习每一条元路径特有的语义特征，融合多个元路径的上下文联系，得到节点语义特征；在多视角下平衡实体特征和节点语义特征。本发明通过实体类别敏感的transformer交叉注意力机制、融合多个元路径上下文语义的递归门控策略，以及实体类别敏感的对比学习策略，增强了知识图谱和元路径视角下的特征一致性，提高药物和微生物关联预测的准确性。

本发明授权基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联预测方法在权利要求书中公布了：1.一种基于节点类别敏感的知识图谱学习和门控增强元路径语义融合的药物和微生物关联预测方法，其特征在于，包括： 根据数据源构建知识图谱，所述知识图谱的实体按类别分为药物和微生物，根据各实体的类别特征向量与属性向量得到所述各实体的特征表示；其中，根据各实体的类别特征向量与属性向量得到所述各实体的特征表示，包括：根据药物和药物的相似矩阵、微生物和微生物的相似矩阵，以及微生物和药物的关联矩阵，得到所述各实体对应的尾实体，以及任一实体的头实体与对应尾实体之间的关系嵌入；所述各实体的属性向量、类别特征向量、对应的尾实体的属性向量，以及所述各实体与对应尾实体之间的关系嵌入，组成所述知识图谱各实体的特征表示； 利用基于Transformer模型构建的实体类别敏感的第一网络模型，整合各实体的特征表示之间的多类联系，得到药物和微生物实体的实体特征表示； 根据所述数据源，分别以药物和微生物为节点构建多个元路径，通过带有递归门控的元路径语义特征学习策略的第二网络模型，对多个所述元路径间的上下文联系和邻接语义进行编码，得到节点的语义表示；根据所述数据源，通过带有递归门控的元路径语义特征学习策略的第二网络模型，对多个元路径间的上下文联系和多样的邻接语义进行编码，学习节点的语义表示，包括：构建多个元路径，所述元路径包括以药物为核心的元路径以及以微生物为核心的元路径；其中，以药物为核心的元路径包括：表达两个药物间生物学层面的相似性语义的元路径、表达间接相连的药物生物学层面的相似性语义的元路径、表达任一药物和另一药物在生物学上共同关联的多个微生物的元路径；以微生物为核心的元路径包括：表达两个微生物间生物学层面的相似性语义的元路径、表达间接相连的微生物在生物学层面的相似性语义的元路径、表达任一微生物和另一微生物在生物学上共同关联的多个药物的元路径；根据所述数据源，聚合所述多个元路径的邻居信息，分别得到对应元路径的生物学语义表示；将元路径的生物学语义表示输入所述第二网络模型，学习得到语义表示矩阵； 将所述药物和微生物实体的实体特征表示和所述节点的语义表示，输入至节点类别敏感的第三网络模型中，增强节点特征的一致性，得到药物-微生物关联模型； 将待预测关联关系的药物和微生物输入至所述药物-微生物关联模型中完成关联预测。

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汕头大学，其通讯地址为：515063 广东省汕头市大学路汕头大学；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。