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！

龙图腾网获悉浙江工业大学申请的专利一种基于图神经网络的多视角文本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：CN116992025B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310842954.6，技术领域涉及：G06F16/35；该发明授权一种基于图神经网络的多视角文本分类方法是由高楠;虞思晴;王永健;梁荣华;陈朋设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种基于图神经网络的多视角文本分类方法在说明书摘要公布了：一种基于图神经网络的多视角文本分类方法，包含：对输入文本进行预处理；基于固定大小的滑动窗口将文本构建成一个文本图；使用Glove词嵌入模型将文本转化为低维向量表示；将初始文本向量矩阵输入门控图神经网络GGNN中，对文本数据中的语义关系和单词依赖关系建模和学习；将GGNN的输出分别输入到BiLSTM和TextCNN以增强文本特征表示；使用节点级注意力机制对单词节点表示进行聚合；融合多视角文本特征表示，包含图结构特征、BiLSTM顺序特征及N‑grams局部特征；将初始文本向量矩阵输入远距离特征提取器，扩大单词节点的感受野；使用KL散度衡量多视角融合特征及远距离节点特征之间的概率分布；使用交叉熵损失函数与KL散度正则化项联合计算模型损失。

本发明授权一种基于图神经网络的多视角文本分类方法在权利要求书中公布了：1.一种基于图神经网络的多视角文本分类方法，包含以下步骤： 步骤1：对输入的文本进行预处理； 步骤2：基于固定大小的滑动窗口将文本构建成一个文本图，其中每个节点表示一个单词，边表示它们之间的语义关系； 步骤3：使用Glove词嵌入模型将文本转化为低维向量表示，这种向量保留了单词之间的语义和语法关系； 步骤4：将初始文本向量矩阵输入门控图神经网络GGNNGatedGraphNeuralNetwork中，对文本数据中的语义关系和单词依赖关系建模和学习； 步骤5：为了增强文本特征的表示，将GGNN的输出分别输入到BiLSTM和TextCNN，增强文本的序列上下文特征和N-grams局部特征表示； 步骤6：考虑到不同节点对文本的重要性不同，使用节点级注意力机制对单词节点表示进行聚合； 步骤7：将图结构特征、BiLSTM顺序特征、N-grams局部特征输入多视角特征提取器，融合多视角文本特征表示； 步骤8：将初始文本向量矩阵输入远距离特征提取器，使用自注意力机制计算并替换图的邻接矩阵，自适应地调节单词节点的感受野； 步骤9：使用KL散度衡量多视角融合特征及远距离节点特征之间的概率分布； 步骤10：使用交叉熵损失函数与KL散度正则化项计算模型损失，联合优化模型。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。