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！

龙图腾网获悉西北工业大学申请的专利基于元路径多级图注意力网络的异质图表示学习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：CN114861863B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202111519519.7，技术领域涉及：G06N3/045；该发明授权基于元路径多级图注意力网络的异质图表示学习方法是由宋凌云;刘杰;尚学群;高莉;谭亚聪;张颖设计研发完成，并于2021-12-11向国家知识产权局提交的专利申请。

本基于元路径多级图注意力网络的异质图表示学习方法在说明书摘要公布了：本发明涉及一种基于元路径多级图注意力网络的异质图表示学习方法，包括四个模块：基于元路径的简单图与超图构造模块、简单图特征聚合模块、超图特征聚合模块以及节点类型预测模块；基于元路径的多级图构造模块通过元路径分别提取异质图中的成对与非成对关系，进而构造对应的简单图与超图；简单图特征聚合模块用于对简单图上的节点特征进行初步聚合；超图特征聚合模块进一步将高阶关系以及中间路径信息融入节点特征；节点类型预测模块利用异质图中多种类型的节点对模型进行训练，并输出节点表示用于下游分类或聚类任务。将超图引入异质图表示学习研究中，超图可直接包含任意数量的目标节点，从而完整地保存异质图中的多元关系，不会产生语义丢失。

本发明授权基于元路径多级图注意力网络的异质图表示学习方法在权利要求书中公布了：1.一种基于元路径多级图注意力网络的异质图表示学习方法，其特征在于，所述的异质图为基于DBLP的引文异质图，包含三种类型节点：作者A，论文P，会议V，元路径包括P-A-P和P-V-P；目标节点为论文；步骤如下： 步骤1：节点属性特征的空间映射 步骤1.1：为不同类型的节点分配不同的线性转移矩阵，将所有节点的属性特征映射到同一特征空间中； 步骤2：基于元路径的多级图结构的构建 步骤2.1：基于元路径的简单图的构建：通过元路径抽取引文异质图DBLP中的成对节点，所有节点对组合形成基于元路径的简单图；变更元路径类型以定义多个简单图； 步骤2.2：基于元路径的超图的构建：将同一元路径连接的多个节点置于同一超边中，构造所有超边即形成基于元路径的超图；变更元路径类型以定义多个超图； 步骤3：简单图特征聚合模块 步骤3.1：简单图邻居节点注意力系数计算：使用连接操作将目标节点与其一阶邻居节点的特征相连，使用作为激活函数，通过函数对连接后的特征归一化，得到节点特征聚合时对各节点的注意力系数； 步骤3.2：简单图节点特征聚合：使用步骤3.1中对应的注意力系数对目标节点以及邻居节点特征加权求和，得到目标节点特征； 步骤3.3：多头注意力机制：重复步骤3.1和步骤3.2次，将得到的相同节点的个特征连接为一个特征； 步骤4：超图特征聚合模块 步骤4.1：中间路径特征编码：采用关系旋转编码器对每条元路径中间节点的特征进行编码，得到中间路径特征； 步骤4.2：超边内部节点注意力系数计算：通过连接操作将步骤3.3的节点特征与中间路径特征相连，使用作为激活函数，通过函数对连接后的特征归一化，得到超边内部节点聚合时的注意力系数； 步骤4.3：超边内部节点特征聚合：使用步骤4.2中的注意力系数对超边包含的节点特征加权求和，并与线性投影后的中间路径特征相连接，通过激活函数，得到超边特征； 步骤4.4：超边注意力系数计算：使用连接操作将线性投影后的超边特征与目标节点特征相连，使用作为激活函数，通过函数对连接后的特征归一化，得到超边聚合时的注意力系数； 步骤4.5：超边特征聚合：使用步骤4.4中的注意力系数对超边特征加权求和，并与线性投影后的中心节点特征相连接，通过激活函数，更新中心节点特征； 步骤4.6：多头注意力机制：重复步骤4.2至步骤4.5次，将得到的个特征连接为目标节点的特征； 步骤5：节点类型预测模块 步骤5.1：节点类型预测：构建一个多类别分类器，将向量输入到分类器中，利用输出结果预测节点类型；分类器的构造为多层感知机后接函数，分类器的输出为： 其中是节点特征，是分类器的输出，用于对节点类型进行预测； 步骤5.2：单任务损失函数：模型只使用目标节点进行分类预测，损失函数采用交叉熵损失函数，公式为： 其中是目标节点分类器对每个类型预测的范围为分数值，是目标节点的真实类型标签； 步骤5.3：多任务损失函数：模型可使用所有类型节点进行分类预测，通过基于逐元素平均池化模型的特征融合方法，逐个得到中间路径上的节点特征；EMP是对两个特征向量对应维度求均值来进行融合，表示特征融合过程，其计算过程表示为： 其中是类型为的中间节点的特征，表示与中间节点相连的节点构成的超边，得到所有节点特征后，使用交叉熵作为损失函数，公式为： 其中表示节点类型集合，是类型为的节点集合。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。