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！

龙图腾网获悉复旦大学申请的专利文本属性图的表征模型、预训练的自监督方法、节点表示更新的模型框架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：CN117312490B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311078582.0，技术领域涉及：G06F16/334；该发明授权文本属性图的表征模型、预训练的自监督方法、节点表示更新的模型框架是由魏忠钰;旷皓予设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本文本属性图的表征模型、预训练的自监督方法、节点表示更新的模型框架在说明书摘要公布了：本发明的目的是提供一种文本属性图的表征模型，用于预训练的自监督方法、以及一种节点表示更新的模型框架，所述方法包括：通过将文本属性图中的单词与基础的图结构解耦，并将单词作为节点建模到原有的图结构中，建模为层次文本属性图；进一步通过针对层次文本属性图中不同层级的自监督任务，捕捉原数据中的语义信息和结构信息；在模型训练阶段，通过均值聚合器对节点的表示进行更新，并使用更新后的节点表示作为输入，利用自监督任务继续进行预训练，从而得到层次文本属性图中的节点、单词的表示，完成图中的节点分类和链接预测任务。

本发明授权文本属性图的表征模型、预训练的自监督方法、节点表示更新的模型框架在权利要求书中公布了：1.一种文本属性图的表征模型的生成方法，其特征在于，包括： 以文本属性图作为输入，将所述文本属性图中初始的节点处携带的原始文本解耦出来进行分词操作，再根据所述原始文本中的共现频率在单词与单词之间构建边，从而建成词网络；其中，所述原始文本在解耦后包括与各个所述单词对应的词节点； 将原始的所述文本属性图与所述词网络联合在一起构成层次文本属性图，对于输入的所述文本属性图，将所有的原始文本解耦出来构建一个语料库，对所述语料库进行分词操作从而得到原始本文包含的所有单词；将解耦出来的单个单词作为词节点，并根据所述语料库中的贡献频率在单词与单词之间构建边，从而得到解耦词网络； 基于原始的所述文本属性图，根据包含关系构建初始的所述节点与词节点之间的边，从而得到一个层次文本属性图，其中，所述层次文本属性图的上层为原始的所述文本属性图，所述层次文本属性图的下层为词网络；对词节点和初始节点进行属性定义，其中，对于词节点处的属性而言，通过一个预训练语言模型产生的表示作为其特征；对于初始节点处的属性而言，通过聚合其周围所有一跳词节点邻居的特征并取平均值来得到； 通过异构图神经网络对层次文本属性图进行表征学习从而生成文本属性图的表征模型，其中，所述异构图神经网络同时学习所述文本属性图的所述节点以及所述原始文本中的词节点的表示。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。