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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种基于异构图Transformer的高发展潜力学术实体识别和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：CN120632645B 。

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：202511125958.8，技术领域涉及：G06F18/2415；该发明授权一种基于异构图Transformer的高发展潜力学术实体识别和预测方法是由陈伟坚;管柯琴;陈博奎;刘家栋;陈伟设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种基于异构图Transformer的高发展潜力学术实体识别和预测方法在说明书摘要公布了：本发明公开了一种基于异构图Transformer的高发展潜力学术实体识别和预测方法，包括如下步骤：首先构建异构信息图，以节点表示学术网络中的多类型实体，边表示实体间关系；接着融合节点的结构嵌入与语义嵌入，生成多模态初始特征向量；再通过多层异构图Transformer层迭代聚合多跳邻居信息，动态学习权重并更新节点表征，实现全局特征聚合；随后基于跨层注意力加权融合目标节点的多类型邻居信息，生成精细化上下文特征，完成局部背景信息聚合；最后拼接全局节点表征与局部上下文特征，通过分类器输出目标实体成为高发展潜力实体的概率。该方法能有效处理学术网络的复杂异构性，提升预测精度，为科研管理等提供支持。

本发明授权一种基于异构图Transformer的高发展潜力学术实体识别和预测方法在权利要求书中公布了：1.一种基于异构图Transformer的高发展潜力学术实体识别和预测方法，其特征在于，包括以下步骤： S1、异构图构建：将学术网络中的多类型实体及其关系建模为异构信息图，其中节点代表所述学术网络中的不同实体，边代表所述实体间的关系； S2、初始节点嵌入生成：融合节点的结构嵌入与语义嵌入，生成多模态融合的初始特征向量； S3、全局特征聚合：通过多层异构图Transformer层迭代聚合多跳邻居信息，动态学习异构节点与边的权重，更新节点表征； 步骤S3中所述全局特征聚合具体包括： 对输入特征进行线性投影以使模型的特征维度对齐； 通过异构互注意力机制计算注意力分数，融合边类型变换矩阵及元关系先验张量； 并行执行异构消息传递，采用边类型特定变换矩阵编码源节点消息； 基于注意力权重聚合消息更新目标节点表征，并叠加残差连接与归一化层； 所述异构互注意力机制中，注意力分数计算依赖源节点Key向量、目标节点Query向量及边类型变换矩阵的乘积； 多头注意力结果经拼接后通过softmax归一化； 所述消息传递采用与边类型绑定的线性变换矩阵处理源节点特征； S4、局部背景信息聚合：基于跨层注意力加权融合目标节点的多类型邻居信息，生成精细化上下文特征； 步骤S4具体包括： 对各层输出的注意力权重进行可学习权重加权，生成跨层统一注意力图； 基于注意力图聚合目标节点一阶邻居信息，生成类型化背景向量； 通过类别感知线性变换器对背景向量进行类型重要性加权，自适应融合多类型上下文特征； 多类型背景信息覆盖目标节点的直接关联实体类型； 类型重要性权重通过softmax函数对线性变换后的背景向量计算得到； S5、潜力预测：拼接全局节点表征与局部上下文特征，通过分类器输出目标实体成为高发展潜力实体的概率； 所述方法还包括数据构建与标签生成步骤： 筛选特定时间窗内首次发表实体的新兴学术样本； 基于未来时间窗被引增长模式定义高潜力标签； 对满足线性或二次增长趋势的实体标记为正样本，零增长实体标记为负样本。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区桃源街道丽水路2279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。