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！

龙图腾网获悉武汉大学申请的专利一种基于动态异构图融合网络的引用意图分类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：CN119830157B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411908679.4，技术领域涉及：G06F18/2431；该发明授权一种基于动态异构图融合网络的引用意图分类方法是由毛进;权志邦;李纲;梁镇涛设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于动态异构图融合网络的引用意图分类方法在说明书摘要公布了：本发明公开了一种基于动态异构图融合网络的引用意图分类方法。方法包括：动态提取引用句及其相关上下文，结合章节信息形成文本T；利用SciBERT预训练模型，提取文本T的特征向量；构建异构图以表达论文、章节和作者等节点之间的复杂关系；通过动态异构图网络提取节点特征，生成异构图的节点特征向量；将节点特征向量与文本T的文本特征向量融合，形成综合特征；最终利用分类器对引用意图进行预测，并通过损失函数优化模型。本发明从论文内部结构及跨文献关系中提取具有区分性的语义特征，在复杂引文网络中实现高精度的引用意图识别，尤其适用于学术文献的引用意图分类任务。

本发明授权一种基于动态异构图融合网络的引用意图分类方法在权利要求书中公布了：1.一种基于动态异构图融合网络的引用意图分类方法，其特征在于，所述方法包括： 步骤一、对数据集中每条引用句，动态提取其上下文句子，基于引用句与上下文句子的语义相似性筛选出最相关上下文句子集合，结合章节信息，形成章节增强的上下文文本T； 步骤二、利用SciBERT预训练模型，将章节增强的上下文文本编码为文本特征向量； 步骤三、构建异构图，异构图中的节点包括论文节点、章节节点和作者节点，节点特征由文本特征或实体信息表示，边关系用于表达节点间的引用关系、章节关联关系或作者关系；所述的异构图包括节点和边，其中： 节点：数据集中的第i篇论文用节点表示，其特征向量为；第s篇章节用节点表示，特征向量为；第k位作者用节点表示，特征向量为； 边：对于数据集中的第i篇论文和被引用论文，第j篇论文之间的引用关系用边表示；对于第i篇论文和第s章节之间的引用关系用边表示；对于第k位作者和第i篇论文之间的引用关系用边表示； 则异构图为，其中节点集合，边集合； 步骤四、对异构图进行表征提取，使用动态异构图网络对节点特征进行迭代更新，自适应地调整不同节点关系的权重，并动态聚合邻居节点的特征，生成异构图的节点特征向量；包括以下过程： S4.1、将异构图G输入HGT模型中，任意类型节点具有相应的特征向量表示；设有N个节点，特征维度为d，则： ， S4.2、各个节点的特征通过其邻居节点传播，对于每个节点v，其邻居节点的特征信息通过以下公式更新： ， 其中，是第l层邻居节点v的特征向量，是第l层的权重矩阵，是归一化因子； S4.3、通过以下公式计算每一层中节点v对其邻居节点u的注意力系数evu： ， 其中，ReLU是激活函数，a是学习得到的注意力向量，||表示向量拼接处理，是节点在第层图层的特征向量；是邻居节点在第层图层的特征向量；是第层的权重矩阵，用于变换节点特征；是节点对其邻居节点的注意力系数，表示邻居节点的影响力； S4.4、通过Softmax函数对注意力系数进行归一化，以得到邻居节点对节点的影响权重： ， 通过加权聚合邻居节点的特征，更新节点的特征向量表示： ， S4.5、对于节点v，计算不同元路径下语义注意力权重： ， 其中，是第m条路径下语义注意力的权重向量，M是元路径的总数，m表示路径序数； S4.6、更新节点v的节点特征向量表示： ； 步骤五、将异构图的节点特征向量与章节增强的上下文文本的特征向量融合，形成最终的分类特征，输入分类器进行引用意图分类预测； 步骤六、通过损失函数衡量分类预测结果与真实标签之间的差异，优化模型参数。

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大学，其通讯地址为：430064 湖北省武汉市武昌珞珈山；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。