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商大学申请的专利一种基于边界节点条件GAN的不平衡图节点分类方法及系统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：CN120045762B 。

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：202510104523.9，技术领域涉及：G06F16/906；该发明授权一种基于边界节点条件GAN的不平衡图节点分类方法及系统是由韩忠明;张舒群;刘燕;安雨琦设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于边界节点条件GAN的不平衡图节点分类方法及系统在说明书摘要公布了：本发明公开了一种基于边界节点条件GAN的不平衡图节点分类方法及系统，方法包括：构建待分类的图结构数据集；将所述待分类的图结构数据集输入用于节点分类的图卷积网络中进行处理，输出分类结果；其中，所述用于节点分类的图卷积网络通过训练数据集进行训练，并根据训练得到的卷积层参数获得，所述训练集为图结构数据集。本发明通过对类决策边界节点施加对抗网络训练过程，扩大类间的距离，使图神经网络模型更好的学习节点嵌入，在不对原图引入噪声节点的情况下，克服了小类嵌入表示不足引起的整体分类结果差的问题。

本发明授权一种基于边界节点条件GAN的不平衡图节点分类方法及系统在权利要求书中公布了：1.一种基于边界节点条件GAN的不平衡图节点分类方法，其特征在于，包括： 获取金融实体，包括公司、人物、监管机构、行业； 获取金融关系，包括公司与公司关系、公司与行业关系、公司与人关系； 获取计算特征，包括行情数据、财务报表； 将金融实体、金融关系及计算特征构建成图数据的形式，构建待分类的图结构数据集； 将所述待分类的图结构数据集输入用于节点分类的图卷积网络中进行处理，输出分类结果；其中，所述用于节点分类的图卷积网络通过训练数据集进行训练，并根据训练得到的卷积层参数获得，所述训练数据集为图结构数据集； 获得所述用于节点分类的图卷积网络，包括： 将训练数据集输入包含两层图卷积的神经网络GCN结构中，获得数据集中原始节点的嵌入向量； 根据每个节点的嵌入向量计算各节点的不确定性得分，并进行平衡校准，获取节点错分风险率，基于所述节点错分风险率获得决策边界节点集； 将边界节点输入条件生成器，利用多层感知机根据输入的条件标签及结构对输入节点进行编码，输出合成节点； 将原始节点嵌入和合成节点输入条件判别器，利用多层感知机根据输入的条件标签和结构对输入的合成节点和原始节点分别进行条件编码，输出两个反映合成节点和原始节点真假程度的判别器反馈值； 设置模型优化器，计算GCN的分类损失；计算生成器的目标损失函数，根据所述生成器的目标损失函数反向计算的参数梯度更新条件生成器的参数；计算条件判别器的目标损失函数，根据所述条件判别器的目标损失函数反向计算的参数梯度更新条件判别器，并结合分类损失反向计算的参数梯度更新GCN卷积层的参数； 根据训练得到的卷积层参数，获得训练好的用于节点分类的图卷积网络，即所述用于节点分类的图卷积网络； 获得所述决策边界节点集，包括： 根据每个原始节点的嵌入向量，通过Kullback-Leibler散度计算节点不确定得分，并对节点不确定得分进行平衡校准，获得节点最终错分风险率； 通过所述节点最终错分风险率，获取前K%节点，得到所述决策边界节点集； 其中，计算所述节点不确定得分为： 式中，为节点的嵌入向量，为类别标签分布集，为第类的节点集，|C|为类别总数；为节点的不确定得分，表示KL计算的函数，表示单点分布中类别的值，为节点的预测标签； 获得所述节点最终错分风险率为： 式中，为最终错分风险率，类节点在训练集中的数量；imb为训练集的不平衡比。

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商大学，其通讯地址为：100048 北京市海淀区阜成路33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。