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！

龙图腾网获悉成都理工大学申请的专利一种基于图神经网络的社交网络去噪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：CN121118975B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511677186.9，技术领域涉及：G06N3/042；该发明授权一种基于图神经网络的社交网络去噪方法是由徐晓宇设计研发完成，并于2025-11-17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社交网络去噪方法在说明书摘要公布了：本发明公开了一种基于图神经网络的社交网络去噪方法，属于社交网络技术领域，包括步骤获取社交网络数据；构造双重可训练去噪模块，包括结构噪声校正器、特征噪声过滤器、融合层，其中结构噪声校正器用于生成混合特征，特征噪声过滤器用于生成图卷积输出，融合层用于融合和得到净化用户节点特征矩阵；构造损失函数L并训练得到双重去噪模型；获取待去噪的社交网络数据，经双重去噪模型得到对应的净化用户节点特征矩阵。本发明能有效调和特征‑拓扑不统一，使模型能够忽略特征与结构中的不一致噪声，显著提升在复杂噪声社交网络中的表征质量。净化用户节点特征矩阵在分类任务中有良好表现。

本发明授权一种基于图神经网络的社交网络去噪方法在权利要求书中公布了：1.一种基于图神经网络的社交网络去噪方法，其特征在于，包括以下步骤； S1，获取社交网络数据G=V,E,X； 其中V为用户节点集合，E为用户间关系边的集合，X为用户节点特征矩阵，每个用户节点最多包括k阶邻居，，其中M为V中用户节点总数，N为用户节点的特征维度总数，X第m行向量xm对应用户节点m的N维特征，1≤m≤M； S2，构造双重可训练去噪模块，包括结构噪声校正器、特征噪声过滤器、融合层； 所述结构噪声校正器包括修正特征层、第一GCN网络； 所述修正特征层用于根据生成X的修正特征Xs，其中σ∙为激活函数，Ws为第一权重矩阵； 所述第一GCN网络包括k层图卷积层，用于聚合1~k阶邻居信息Z1~Zk，沿维度拼接为拼接矩阵，再根据下式生成混合特征； ，式中，为第一GCN网络第k层图卷积层的权重矩阵，||为拼接运算符； 所述特征噪声过滤器包括预处理单元、第二GCN网络； 所述预处理单元依次处理X中每一行向量，得到对应的预处理特征，再拼接为预处理矩阵Xω，，其中第m行向量xm的预处理特征根据下式得到； ，，式中，u为用户节点m的邻居节点索引，γ为用户节点m随机游走到邻居节点u的步数，A、D、分别为G的邻接矩阵、加权对角度矩阵、归一化邻接矩阵，对邻居节点u，为中第u行向量，是的次幂，为模参数，为X中第u行向量； 所述第二GCN网络包括K层图卷积层，用于输入Xω，经k层图卷积操作得到图卷积输出； 所述融合层用于融合和得到净化用户节点特征矩阵； S3，构造损失函数L，用社交网络数据G以最小化L训练双重可训练去噪模块，得到双重去噪模型； L=Lmi+αLf，式中，Lmi为InfoNCE损失函数，Lf为重构损失，α为Lf的权重； S4，获取待去噪的社交网络数据，经双重去噪模型得到对应的净化用户节点特征矩阵。

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成都理工大学，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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。