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！

龙图腾网获悉平安银行股份有限公司申请的专利基于票据的图聚类方法、装置、电子设备及可读存储介质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：CN115935214B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211649405.9，技术领域涉及：G06F18/23213；该发明授权基于票据的图聚类方法、装置、电子设备及可读存储介质是由邱超乐;田鸥;陈悦竹设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本基于票据的图聚类方法、装置、电子设备及可读存储介质在说明书摘要公布了：本申请实施例提供了一种基于票据的图聚类方法、装置、电子设备及可读存储介质，属于计算机技术领域。其中方法包括：基于票据获取种子客群的多个客户特征向量；计算任意两个客户特征向量之间的余弦距离，根据各个客户特征向量及对应余弦距离最近的K个客户特征向量确定用于表征客户相似度的初始邻接矩阵；通过注意力机制模块对初始邻接矩阵进行计算，得到一组修正节点特征；将一组修正节点特征进行kmeans聚类计算，得到各聚类簇的簇心，计算各聚类簇的簇内客户样本与簇心的相似度分布结果；根据相似度分布结果计算最终聚类结果。这样，在票据场景下，通过前置加入无监督的图聚类方案，优化聚类流程，提高最终聚类结果的聚类效果。

本发明授权基于票据的图聚类方法、装置、电子设备及可读存储介质在权利要求书中公布了：1.一种基于票据的图聚类方法，其特征在于，所述方法包括： 基于票据获取种子客群的多个客户特征向量，各个客户特征向量包括多个客户特征数据； 计算任意两个客户特征向量之间的余弦距离，根据各个客户特征向量及对应余弦距离最近的K个客户特征向量确定用于表征客户相似度的初始邻接矩阵，所述初始邻接矩阵包括一组初始节点特征； 通过注意力机制模块对所述初始邻接矩阵进行计算，得到一组修正节点特征； 将所述一组修正节点特征进行kmeans聚类计算，得到各聚类簇的簇心，计算各聚类簇的簇内客户样本与簇心的相似度分布结果； 根据所述相似度分布结果计算最终聚类结果； 所述通过注意力机制模块对所述初始邻接矩阵进行计算，得到一组修正节点特征，包括： 其中，所述注意力机制模块包括图注意力层，记输入所述图注意力层的一组初始节点特征为；其中N是初始节点的个数，F是每个初始节点的特征数，所述图注意力层的输出是一组修正节点特征，记为，其中修正节点个数N不变，每个修正节点的特征数可变化为F’； 为了将输入特征转换为高维特征，以获得足够的表达能力，每个初始节点将经过一个共享的线性变换，该注意力机制模块的参数用权重矩阵来表示，对任一个初始节点做线性变换可表示为；在每个初始节点间共享自注意力机制；在可计算初始节点i和初始节点j之间的注意力系数如下： ； 该系数表示初始节点i的特征对初始节点j的重要性；注意机制是一个单层前馈神经网络，用一个权重向量来表示：，注意机制把拼接后的长度为2F的高维特征映射到一个实数上，作为注意力系数； 采用掩蔽图注意，即只允许邻接节点参与当前节点的注意力机制中，进而引入了图的结构信息，并且邻接节点是一阶邻接节点，一阶邻接节点包括节点本身； ； 为了使不同初始节点间的注意力系数易于比较，使用上述softmax函数对所有对于初始节点i的注意力系数进行归一化；注意力机制采用共享权重线性变换、Maskedselfattention和LeakyReLU非线性归一化后的计算公式如下，其中T表示转置，||表示拼接： ； 在得到归一化的注意力系数之后，通过对邻接节点特征的线性组合经过一个非线性激活函数来更新节点自身的特征作为输出，即得到对应的修正节点的特征： ； 图注意力层的输出是一组修正节点特征，记为；所述将所述一组修正节点特征进行kmeans聚类计算，得到各聚类簇的 簇心，计算各聚类簇的簇内客户样本与簇心的相似度分布结果，包括： 通过kmeans聚类算法计算得到的伪标签将通过注意力机制得到的节点特征进行kmeans聚类，得到各聚类簇簇心的向量表征，簇心又可以称为中心点，聚类簇u的簇点的特征表示记为，将各聚类簇中的簇内客户样本与簇心的相似度分布以t分布计算，得到相似度分布结果Q。

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平安银行股份有限公司，其通讯地址为：518000 广东省深圳市罗湖区深南东路5047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。