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！

龙图腾网获悉武汉极意网络科技有限公司申请的专利基于生成对抗网络的图神经网络解释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：CN115408570B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202211011319.5，技术领域涉及：G06F16/901；该发明授权基于生成对抗网络的图神经网络解释方法是由张颖;谢强;陈国庆设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本基于生成对抗网络的图神经网络解释方法在说明书摘要公布了：本发明提供了一种基于生成对抗网络的图神经网络解释方法，上述方法通过先利用GCN模型得到图数据的节点表示，再结合负采样模型和图结构对原始图数据进行数据处理，得到边的表示向量，然后利用MLP模型和GCN模型对边的表示向量进行解释和分类，最终得到对GCN模型的预测结果具有解释性的潜在子图。利用本发明提出的方法对1000个节点的图数据进行训练仅需14.7s，与现有的训练方法的35min相比，训练效率约提升140倍；再者，本发明提出的解释方法可同时解释5000个节点的图数据。通过上述方式，提供了一种可批量解释图数据的基于生成对抗网络的图神经网络解释方法。

本发明授权基于生成对抗网络的图神经网络解释方法在权利要求书中公布了：1.一种基于生成对抗网络的图神经网络解释方法，其特征在于，所述图神经网络解释方法，先通过待解释模型GCN得到图数据的节点特征，再结合负采样模型和节点子图的图结构对子图数据进行数据处理和筛分，得到边的表示向量；然后利用MLP模型对边的表示向量进行解释和分类，并最终找到对GCN模型的预测结果具有解释性的潜在子图; 所述图神经网络解释方法包括如下步骤： S1、原始图数据预处理：先利用GCN模型提取出图数据的节点特征，为了并行训练所有节点的子图，将所有节点的子图进行拼接，再利用所述负采样模型和节点子图的图结构对拼接后的子图数据进行数据处理和筛分，得到所述边的表示向量，所有所述边的表示向量的集合称为Edge_embeddings； S2、利用MLP模型对边的表示向量进行解释和分类：利用所述MLP模型对步骤S1中得到的Edge_embeddings的边的表示向量进行计算，并根据MLP模型输出的权重数值，对相应的图数据的子图进行保存或删除，所有被保存下来的图数据的子图构成集合Sampledgraph； S3、解释方法的正确性评估：将步骤S2中得到的集合Sampledgraph和原始图数据分别输入至GCN模型中，得到预测结果Ys和实际结果Y0，根据所述预测结果Ys和所述实际结果Y0即可对所述潜在子图的正确性进行评估：将Ys与原图G0输入至GCN模型中得到的Y0进行对比，以预测结果Ys和实际结果Y0的对比结果来更新MLP模型，重复此过程不断训练，当二者的差值小于0.01，且差值固定不变时，则认为此时对应的潜在目标子图Gs为潜在子图，所述MLP模型的参数被确定下来。

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武汉极意网络科技有限公司，其通讯地址为：430000 湖北省武汉市东湖开发区大学园路武汉大学科技园内兴业楼2单元2楼204室-020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。