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！

龙图腾网获悉西安交通大学申请的专利信任信息缺失的信任特征补全与信任关系预测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：CN119691682B 。

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：202411928489.9，技术领域涉及：G06F18/25；该发明授权信任信息缺失的信任特征补全与信任关系预测方法及系统是由冯伟;刘丹婷;王前前;魏东原;董博设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本信任信息缺失的信任特征补全与信任关系预测方法及系统在说明书摘要公布了：本发明提供信任信息缺失的信任特征补全与信任关系预测方法及系统，包括：构建社交关系图和信任关系图，分别得到社交属性特征和信任属性特征；对社交属性特征和信任属性特征进行压缩，并构建特征转换器对压缩的社交属性特征进行转换；构建用户信任关系预测模型，以用户的压缩特征作为输入，输出预测标签；再以转换后的压缩的社交属性特征作为输入，输出预测标签；以真实标签作为监督信息，结合重建损失和信息瓶颈损失，对模型进行训练，输出信任关系。本发明通过构建社交行为图和信任关系图，并分别学习用户的社交属性特征和信任属性特征。这种多视图的学习方式能够更全面地捕捉用户的特征信息，提高信任关系预测的准确性。

本发明授权信任信息缺失的信任特征补全与信任关系预测方法及系统在权利要求书中公布了：1.信任信息缺失的信任特征补全与信任关系预测方法，其特征在于，包括： 基于用户的社交行为和用户间的信任关系分别构建社交关系图和信任关系图，基于构建社交关系图和信任关系图分别得到社交属性特征和信任属性特征； 对社交属性特征和信任属性特征进行压缩，并构建特征转换器对压缩的社交属性特征进行转换； 构建用户信任关系预测模型，以用户的压缩特征作为输入，输出预测标签；再以转换后的压缩的社交属性特征作为输入，输出预测标签； 以真实标签作为监督信息，结合重建损失和信息瓶颈损失，对模型进行训练，输出信任关系； 所述基于用户的社交行为和用户间的信任关系分别构建社交关系图和信任关系图，包括： 通过将用户在社交网络的行为信息进行预处理，针对用户不同类型的社交行为，构建用户社交行为网络图； 根据用户与用户之间的信任关系，构建用户信任关系网络图，并根据用户的信任关系为其构建初始信任特征，具体的： 将用户间的信任特征进行标准化处理，形成个离散的信任等级，并将用户与用户间的信任关系建模为有向带权图； 以用户为例，根据其对其他用户的信任关系和其他用户对该用户的信任关系，分别初始化出度信任特征和入度信任特征，从而形成完整的信任关系网络图； 所述基于构建社交关系图和信任关系图分别得到社交属性特征和信任属性特征，包括： 在上构建基于元路径的图神经网络模型用于特征提取，基于语义内注意力机制和语义间注意力机制分别融合不同邻居节点的特征和不同元路径下提取的语义间特征，最终形成用户节点的社交属性特征集合，具体的： 根据中的关系类型定义元路径集合； 根据定义的元路径，将划分为个图； 利用图卷积神经网络、融合多头注意力机制对进行处理，提取用户特征； 针对不同图提取的用户特征，建立注意力机制将其融合为用户的社交特征； 针对节点的信任关系构建用户的初始特征和信任关系网络，利用注意力机制融合节点的邻居信息，形成用户节点的信任特征，具体的： 搭建层的图卷积神经网络，以用户初始入度信任特征为初始特征，假设第层的输出为，如果中存在对的信任边，则认为是的入度邻居，首先计算注意力评分如下： 基于该评分，计算融合后的特征： 经过层的训练后，输出其入度特征； 搭建层的图卷积神经网络，以用户初始入度信任特征为初始特征，假设第层的输出为，如果中存在对的信任边，则认为是的出度邻居，首先计算注意力评分如下： 基于该评分，计算融合后的特征： 经过层的训练后，输出其入度特征； 将和拼接后输入全连接网络和激活层，输出的信任特征。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。