買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉淮北礦業股份有限公司;中國礦業大學;徐州中礦華信科技有限公司申請的專利一種多視圖對比增強的煤礦多關系大數據分析方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117113188B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311087706.1，技術領域涉及：G06F18/241；該發明授權一種多視圖對比增強的煤礦多關系大數據分析方法是由李亞;孟慶勇;王冀寧;袁冠;王思陽;邴睿;李丹妮設計研發完成，并于2023-08-25向國家知識產權局提交的專利申請。

本一種多視圖對比增強的煤礦多關系大數據分析方法在說明書摘要公布了：本發明公開了一種多視圖對比增強的煤礦多關系大數據分析方法，首先獲取煤礦復雜場景或者復雜業務下待分析的數據信息，構建煤礦復雜業務場景異質圖模型，利用異質圖模型中節點特征計算節點之間的相似度，生成相似度圖；對生成的相似度圖依次進行稀疏化、非負化和歸一化預處理；通過對比學習與無監督的優化方法進行優化；再利用漸進式的圖結構更新策略對抽取和表征的復雜數據間的關系進行更新。本發明借助異質圖結構充分保留了煤礦復雜業務場景大數據的關系信息，并結合無監督的學習方式，提取煤礦復雜業務場景的數據結構與語義特征，抽取煤礦復雜業務場景數據的關鍵關系，從而提高在煤礦復雜數據的多關系挖掘任務上的性能。

本發明授權一種多視圖對比增強的煤礦多關系大數據分析方法在權利要求書中公布了：1.一種多視圖對比增強的煤礦多關系大數據分析方法，其特征在于，所述分析方法用于對煤礦復雜場景或者復雜業務下的數據關聯關系進行分析；所述復雜場景或者復雜業務是指以煤礦領域為代表的應用場景或者業務中包含多種實體類型且數據間關系復雜多變、場景或業務中沒有數據節點的領域標簽作為引導信息；所述分析方法包括以下步驟： S1，獲取復雜場景或者復雜業務下待分析的數據信息，根據該數據信息的已有觀測關系構建異質圖模型，對數據單元和觀測關系進行表示，利用異質圖模型中節點特征計算節點之間的相似度，生成相似度圖，用于抽取數據間的關鍵關聯關系； S2，根據領域特性，對生成的相似度圖依次進行稀疏化、非負化和歸一化預處理； S3，通過對比學習與無監督的優化方法，對相似度圖與原始圖結構進行優化，通過動態融合生成能夠保持原有拓撲信息的新圖，減少噪聲關系，并對缺失關系進行補全； S4，通過漸進式的圖結構更新策略，減少因網絡擬合能力不足所引入的誤差，對抽取和表征的復雜數據間的關系進行更新； 步驟S3中，通過對比學習與無監督的優化方法，對相似度圖與原始圖結構進行優化，通過動態融合生成能夠保持原有拓撲信息的新圖，減少噪聲關系，并對缺失關系進行補全的過程包括以下步驟： S31，設置對比學習視圖； 對比學習視圖包括學習視圖和固定視圖；其中，學習視圖是經過處理后的相似度圖與數據節點特征組成；對于每一條元路徑下的相似度圖，都構建其對應的學習視圖，記為固定視圖是由元路徑圖和節點特征組成，用于在對比學習中為相似度圖提供異質圖的高階語義信息；對每一條元路徑下的元路徑圖，都構建其對應的固定視圖，記為 S32，采用特征掩碼和邊丟棄的數據增廣方式，分別從特征與結構的角度來生成不同的增廣數據； S33，基于多視圖對比學習，對相似度圖與原始圖結構進行優化；具體包括： S331，使用圖神經網絡模型用于在增廣后的兩個視圖上學習節點的表征；學習過程如下： 式中，是學習元路徑Pm下節點表征的模型；是學習視圖下學習到的節點表征；是固定視圖下學習到的節點表征；是在學習視圖上學習到的第t種類型數據節點的特征矩陣；是在固定視圖上學習到的第t種類型數據節點的特征矩陣； S332，使用MLP將學習得到的兩種視圖下的數據節點表征映射至同一特征空間中，以用于計算節點級的對比損失，映射過程如下： 式中，是元路徑Pm下的節點表征的MLP映射函數； 是經過MLP映射后的是經過MLP映射后的 S333，構建對比損失函數；如下： 式中，φ是cosine相似度計算函數；t是溫度控制參數，用于縮放相似度值；是數據節點i在學習視圖上的表征；是數據節點i在固定視圖上的表征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人淮北礦業股份有限公司;中國礦業大學;徐州中礦華信科技有限公司，其通訊地址為：235000 安徽省淮北市相山區人民中路276號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。