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！

龙图腾网获悉浙江大学申请的专利基于时序二分图神经网络的用户缺失属性补全方法与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：CN116881716B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310851553.7，技术领域涉及：G06F18/214；该发明授权基于时序二分图神经网络的用户缺失属性补全方法与系统是由宋杰;许可;郑铜亚;冯尊磊;宋明黎设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本基于时序二分图神经网络的用户缺失属性补全方法与系统在说明书摘要公布了：基于时序二分图神经网络的用户缺失属性补全方法，首先，对时序用户属性矩阵进行预处理，进行数据归一化，并记录分类变量和连续变量。然后将时序用户属性矩转化为时序二分图结构，并采用图卷积神经网络来聚合提取图中节点嵌入向量和边嵌入向量，并使用LSTM融合不同时间步的节点特征；将时序二分图中预测边的两端节点的图特征拼接作为用户节点‑属性节点的边预测模型的输入；采用多个线性层构建边预测模型，引入多任务学习框架同时学习分类任务和回归任务，从而灵活处理分类变量和连续变量。最后，通过该框架来对用户缺失属性进行补全，并将结果写回原数据中。本发明还包括基于时序二分图神经网络的用户缺失属性补全方法的系统。

本发明授权基于时序二分图神经网络的用户缺失属性补全方法与系统在权利要求书中公布了：1.一种基于时序二分图神经网络的用户缺失属性补全方法，其特征在于以 下步骤： S1：预处理时序用户属性矩阵数据，对分类属性使用独热向量进行编码，对连续属性使用MinMax归一化方法将数据缩放至； S2：构建用户属性时序二分图结构,将时序用户属性矩阵中的每个用户作为用户节点，每个属性作为属性节点，用户属性的每条记录值作为连接用户节点和属性节点的边； S3：使用图神经网络计算时序二分图中用户和属性两类节点的嵌入向量； S4：将时序二分图中每条边两端用户节点嵌入向量和属性节点嵌入向量拼接，生成用户节点-属性节点的边预测输入特征； S5：采用线性层构建多任务学习的时序二分图用户节点-属性节点的边预测模型，其中分类变量和连续变量共享前面的线性层，只有最后一层的线性层不相同；具体包括：模型输入为S4生成的边预测输入特征，经过多个线性层后，得到最后的属性边预测结果；其中分类变量和连续变量共享前面的线性层，只有最后一层的线性层不相同；分类变量的输出单元数为n，n为表格分类变量中的最大类别个数，使用交叉熵分类损失函数优化，而连续变量的输出单元数为1，使用均方误差损失函数优化，具体公式如下： 其中是预测的总边数，是交叉熵分类损失函数，是均方误差损失函数，是真实值，是模型的预测值； S6：采用监督学习的方式，首先将时序二分图中部分已知边人为的去除，然后通过重构预测这些边，通过预测边的值和真实边的值之间的差距不断训练，最后利用训练完成的模型用来预测图中缺失的边； S7：在完成时序二分图的缺失边的预测后，将预测的值写回原矩阵，并将分类变量和连续变量反变换至最初的形式。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。