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！

龙图腾网获悉支付宝(杭州)信息技术有限公司申请的专利图模型训练方法和装置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：CN115965079B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202211680435.6，技术领域涉及：G06N3/096；该发明授权图模型训练方法和装置是由田胜;朱亮;但家旺;孟昌华设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本图模型训练方法和装置在说明书摘要公布了：本说明书实施例提供了一种图模型训练方法和装置。待训练的图模型适用于第一业务场景中；该方法包括：得到教师网络图模型；其中，所述教师网络图模型适用于第二业务场景中且为训练完毕的图模型；从第一业务场景中得到训练样本；利用教师网络图模型与待训练的图模型分别学习训练样本；对根据教师网络图模型对训练样本的学习结果与待训练的图模型对训练样本的学习结果进行相似性约束，以得到差异损失；利用待训练的图模型对训练样本的学习结果，得到业务损失；根据所述差异损失以及所述业务损失，调整所述待训练的图模型的模型参数。本说明书实施例能够减少对第一业务场景中训练样本的数量的要求。

本发明授权图模型训练方法和装置在权利要求书中公布了：1.图模型训练方法，其中，待训练的图模型适用于第一业务场景中；该方法包括： 得到教师网络图模型；其中，所述教师网络图模型适用于第二业务场景中且为训练完毕的图模型； 从第一业务场景中得到训练样本；其中，所述训练样本是带有标签的图数据，该图数据中包括节点、边、特征以及通过边所形成的节点之间的连接关系； 利用教师网络图模型与待训练的图模型分别学习训练样本； 针对教师网络图模型对训练样本的学习结果与待训练的图模型对训练样本的学习结果进行相似性约束，以得到差异损失； 利用待训练的图模型对训练样本的学习结果，以得到业务损失； 根据所述差异损失以及所述业务损失，调整所述待训练的图模型的模型参数； 其中，所述利用教师网络图模型与待训练的图模型分别学习训练样本，包括： 利用教师网络图模型从训练样本中提取图结构，以得到第一图结构表征； 利用待训练的图模型从训练样本中提取图结构，以得到第二图结构表征； 利用教师网络图模型从训练样本中提取图特征，以得到第一图特征表征； 利用待训练的图模型从训练样本中提取图特征，以得到第二图特征表征； 对应地，所述针对根据教师网络图模型对训练样本的学习结果与待训练的图模型对训练样本的学习结果进行相似性约束得到差异损失，包括： 对第一图结构表征与第二图结构表征进行相似性约束，以得到第一差异损失； 对第一图特征表征与第二图特征表征进行相似性约束，以得到第二差异损失； 其中，该方法进一步包括： 根据所述训练样本得到邻居关系矩阵；其中，所述邻居关系矩阵为N*N的矩阵，N为根据训练样本得到的节点的数量；对于任意两个节点，如果该两个节点直连，形成一阶邻居关系，则在所述邻居关系矩阵中对应于该两个节点的矩阵元素的值为1，否则为0； 根据所述训练样本得到特征矩阵；其中，所述特征矩阵为N*M的矩阵，M为根据训练样本得到的每一个节点包括的特征的数量；所述特征矩阵中的每一行对应一个节点，该行中不同的矩阵元素表示该节点的不同的特征； 将所述特征矩阵中的所有矩阵元素的值均设置为0，以得到第一特征矩阵； 所述利用教师网络图模型从训练样本中提取图结构，包括： 将所述邻居关系矩阵、所述第一特征矩阵输入所述教师网络图模型，以得到该教师网络图模型输出的第一图结构表征； 所述利用待训练的图模型从训练样本中提取图结构，包括： 将所述邻居关系矩阵、所述第一特征矩阵输入所述待训练的图模型，以得到该待训练的图模型输出的第二图结构表征。

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支付宝(杭州)信息技术有限公司，其通讯地址为：310000 浙江省杭州市西湖区西溪路556号8层B段801-11；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。