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！

龙图腾网获悉安徽农业大学申请的专利基于对抗因果图学习的可解释性节点分类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：CN120524163B 。

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：202511025215.3，技术领域涉及：G06F18/20；该发明授权基于对抗因果图学习的可解释性节点分类预测方法是由张冉冉;岳振宇;高羽佳;鲁全;桂健峰;王汇颍;吴楚雅设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本基于对抗因果图学习的可解释性节点分类预测方法在说明书摘要公布了：本申请提供了基于对抗因果图学习的可解释性节点分类预测方法，包括：搭建的预测模型包括冗余过滤模块和对抗因果图学习模块；冗余过滤模块和对抗因果图学习模块实现图信息瓶颈机制；冗余过滤模块采用两层图注意力网络GAT结构进行信息聚合，得到节点的嵌入；对抗因果图学习模块采用基于注意力机制的可学习子图采样器对节点的嵌入生成因果解释子图，基于因果增强机制的PGD对抗训练策略，对解释子图嵌入进行梯度扰动优化，生成对抗嵌入，通过多轮扰动迭代获得最终扰动解释子图嵌入；通过多目标损失联合优化，进行端到端的预测模型训练；训练完成后，将节点的嵌入输入至分类器输出预测结果。本申请显著提升了模型的结构透明度和可解释性。

本发明授权基于对抗因果图学习的可解释性节点分类预测方法在权利要求书中公布了：1.基于对抗因果图学习的可解释性节点分类预测方法，用于经典图神经网络引文数据集，数据集中的节点表示论文，边表示引用关系，标签表示论文所属的学科类别，其特征在于，包括以下步骤： 采集并预处理结构化图数据，预处理后的结构化图数据用于训练搭建的预测模型，预测模型包括冗余过滤模块和对抗因果图学习模块，其中，冗余过滤模块基于图注意力网络构建； 在冗余过滤模块中，采用两层图注意力网络GAT结构进行信息聚合，在第一层图注意力网络中，采用多头注意力机制，设置多个并行注意力头，在边与节点注意力引导下聚合局部邻域；在第二层图注意力网络中，采用单头注意力结构提取全局上下文信息，得到节点的嵌入； 在对抗因果图学习模块中，采用基于注意力机制的可学习子图采样器对节点的嵌入生成因果解释子图嵌入，基于因果增强机制的PGD对抗训练策略，对解释子图嵌入进行梯度扰动优化，生成对抗嵌入，通过多轮扰动迭代获得最终扰动解释子图嵌入； 通过多目标损失联合优化，进行端到端的预测模型训练； 训练完成后，将节点的嵌入输入至分类器以输出预测结果，同时，利用可学习子图采样器动态生成的解释子图，随每个节点的预测结果一并保留，解释子图用于节点预测结果的结构性解释依据。

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安徽农业大学，其通讯地址为：230036 安徽省合肥市蜀山区长江西路130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”。

以上内容由龙图腾AI智能生成。