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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图神经网络的可解释性分子性质预测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：CN119358591B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411477215.2，技术领域涉及：G06N3/042；该发明授权一种基于图神经网络的可解释性分子性质预测方法是由刘立;曹宇航;王以可;陈秀佳设计研发完成，并于2024-10-22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可解释性分子性质预测方法在说明书摘要公布了：本发明属于图神经网络解释领域，具体涉及一种基于图神经网络的可解释性分子性质预测方法，包括：获取图数据G，对图数据进行迭代，生成K个关键子图；获取图神经网络图分类模型，根据图神经网络图分类模型获取节点嵌入；根据节点嵌入得到图的边掩码矩阵；将K个关键子图和掩码矩阵输入到感知器中对每个关键子图进行重要性评分，得到得分矩阵W以及图G中每条边和关键子图模式的归属关系矩阵L；将得分矩阵W和归属关系矩阵输入到掩码更新器重，得到最终掩码矩阵M；根据掩码矩阵M选择掩码值最高的topK条边生成解释子图作为图神经网络图分类模型的解释；本发明采用频繁子图挖掘算法来提取数据中重要的子图模式，从而提高了可解释准确度。

本发明授权一种基于图神经网络的可解释性分子性质预测方法在权利要求书中公布了：1.一种基于图神经网络的可解释性分子性质预测方法，其特征在于，包括：获取化学分子结构图G，采用MiCaM算法对化学分子结构图进行迭代，生成K个关键子图模式；获取训练后的用于对分子结构图进行分类的图神经网络模型，根据图神经网络模型获取分子结构图中各个节点嵌入；根据节点嵌入得到图的边掩码矩阵；将K个关键子图和边掩码矩阵输入到感知器中对每个关键子图进行重要性评分，得到得分矩阵W以及图G中每条边和关键子图模式的归属关系矩阵L；将得分矩阵W和归属关系矩阵输入到掩码更新器中，得到最终掩码矩阵根据掩码矩阵选择掩码值最高的topK条边生成解释子图，将解释子图作为图神经网络图分类模型的解释性结果；根据图神经网络图分类模型的解释性结果对化学分子结构图的化学性质进行预测； 采用MiCaM算法对图数据进行迭代包括：对每个图使用跟踪合并状态，得到片段；将两个片段和合并，得到新的片段；在第k次迭代时的合并图中，每条边代表一对片段它们在原图中相邻；遍历所有合并图中的所有边统计的频率，并将最频繁的表示为将所有的进行合并，得到最终的序列，最终的训练作为关键子图模式； 图神经网络图分类模型为： 其中，σ表示激活函数，I表示单位矩阵，表示的度矩阵，X为节点原始特征，W为图神经网络中需要学习的参数； 节点嵌入为： Z＝GCNS,X,W 其中，Z表示节点的嵌入,A表示邻接矩阵，X为节点原始特征，W为图神经网络中需要学习的参数； 根据节点嵌入得到图的边掩码矩阵包括： Wij＝ConCatZi,Zj 其中，Zi,Zj表示节点i和节点j的嵌入，Wij表示节点i和节点j所连边的掩码值； 感知器为： Wuv＝σMLPconcatZu|Zv∈R1×k Lu,v＝{l1,l2,…,lk}∈Rn×n×k 其中，qi为第i个子图模式的评分得分，ε为所有常见子图中包含的原图G中边的集合，为第i个常见子图中包含的原图G中边的集合，Mu,v为节点u和节点v所在边的原掩码值，Wuv为节点u和节点v所在边在k个最常见子图模式中的重要性，σ为激活函数，Zu为节点u的节点嵌入，Zv为节点v的节点嵌入，R1×k为1×k维向量，Lu,v为节点u和节点v所在边是否归属于k个最常见子图，lk为1时表示节点u和节点v所在边属于第k个最常见子图，Rn×n×k为n×n×k维向量； 掩码更新器为： 其中，为节点u和节点v所在边更新后的掩码值，Muv为节点u和节点v所在边的原掩码值，Q为所有子图模式的评分得分，⊙为点积，为节点u和节点v所在边在k个最常见子图模式中的重要性矩阵的转置，Xs为解释子图GS的节点特征，AS为解释子图GS的邻接矩阵，为更新后的掩码矩阵，A为原图的邻接矩阵，为解释子图GS的预测，GS表示掩码矩阵生成的解释子图，MI表示互信息，表示稀疏度。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。