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！

龙图腾网获悉北京工业大学申请的专利一种基于监督对比学习与结构推断的图分类训练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：CN115481682B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211106324.4，技术领域涉及：G06F18/241；该发明授权一种基于监督对比学习与结构推断的图分类训练方法是由冀俊忠;贾浩;雷名龙设计研发完成，并于2022-09-11向国家知识产权局提交的专利申请。

本一种基于监督对比学习与结构推断的图分类训练方法在说明书摘要公布了：本发明公开了一种基于监督对比学习与结构推断的图分类训练方法，首先，该模型通过结构推断充分挖掘图数据本身的拓扑信息作为原本图数据的增强图。然后通过标签进行随机采样构建样本正负例对，并使用层次化的图神经网络分别对正负例样本进行学习以提取整图嵌入。最后，通过普通分类损失和监督对比学习损失共同指导层次化图神经网络的学习过程，提升嵌入的分类性能。本发明融合结构推断和标签信息，基于结构推断的数据增强方式不需要先验知识，增广了模型使用范围，加速了模型学习速度。将图数据上的自监督对比学习扩展为标签监督下的对比学习，增强了其对比学习能力。本发明提升图分类性能，在广义图分类数据上具有较好的可推广性。

本发明授权一种基于监督对比学习与结构推断的图分类训练方法在权利要求书中公布了：1.一种基于监督对比学习与结构推断的图分类训练方法，其特征在于，包括以下步骤： 步骤一，数据获取：基于MUTAG、PTC数据集，获取图分类所需要的基本数据，即邻接矩阵A与节点特征X； 步骤二，生成模拟时间序列：基于步骤一获取的基本数据，对每个图的邻接矩阵A生成相应的模拟时间序列集合C； 步骤三，结构推断：根据每张图的时间序列集合C通过后验计算各个边的邻接概率，并应用阈值产生增强图 步骤四，构建正负例样本：将获取的和X根据图标签进行划分为正负例样本Gp和Gn； 步骤五，产生子图嵌入：对正负例样本Gp和Gn，在每个节点上采用宽度优先搜索产生相应的子图划分，并在相应的子图上应用子图神经网络产生子图嵌入； 步骤六，产生图嵌入：将子图嵌入进行评分和采样构建能够代表当前图数据的一维嵌入，并利用该嵌入生成相应的图分类标签P； 步骤七，监督对比学习：将正负样本的图嵌入和相应的监督标签通过对比学习函数计算损失，图分类标签P和真实标签计算一般分类损失，将二者结合构成最终的分类损失； 步骤八，模型根据分类损失进行迭代更新，待收敛后采用最终的图分类标签P'作为最终的图分类模型输出； 步骤一中，MUTAG和PTC数据集是化合物分子数据集，每个图代表了一个化合分子；对上述数据集中的每个图，均表示为G＝V,E，其中V表示节点集合，E表示边的集合；对一个属性图而言，表达为G＝X,A|X∈Rn×d,A∈Rn×n，其中X是各节点属性的集合，A是邻接矩阵表现了图的拓扑结构，n是每个时间序列中节点的数量，d则是节点特征维度的最大值。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。