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！

龍圖騰網獲悉北京郵電大學申請的專利異質圖數據節點嵌入特征提取模型訓練方法、嵌入特征提取方法、節點分類方法及裝置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：CN117272017B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202311071070.1，技術領域涉及：G06F18/213；該發明授權異質圖數據節點嵌入特征提取模型訓練方法、嵌入特征提取方法、節點分類方法及裝置是由杜軍平;王嘉;邵鎣俠;李昂;余今;管澤禮設計研發完成，并于2023-08-23向國家知識產權局提交的專利申請。

本異質圖數據節點嵌入特征提取模型訓練方法、嵌入特征提取方法、節點分類方法及裝置在說明書摘要公布了：本發明提供一種異質圖數據節點嵌入特征提取模型訓練方法、嵌入特征提取方法、節點分類方法及裝置，基于聯邦學習的形式，在各客戶端本地構建生成器和鑒別器利用對抗學習訓練本地模型，并在中心服務器進行模型參數的聚合，有效保證數據隱私。同時，各客戶端在本地訓練的過程中，通過跨客戶端通信，獲取目標節點關聯的跨客戶端鄰居節點的原始特征，并基于top?k隨機游走平的采樣各類鄰居參與到嵌入學習中，降低客戶端數據差異對訓練影響，提升聯邦異質圖神經網絡的學習質量，提高了下游子任務的執行效率。

本發明授權異質圖數據節點嵌入特征提取模型訓練方法、嵌入特征提取方法、節點分類方法及裝置在權利要求書中公布了：1.一種異質圖數據節點嵌入特征提取模型訓練方法，其特征在于，所述方法基于相互連接的多個客戶端和中心服務器執行，每個所述客戶端持有一部分異質圖數據的異質子圖作為私有數據，每個所述客戶端還部署跨客戶端采樣器，該方法包括以下步驟： 由所述中心服務器初始化全局生成器和全局鑒別器的全局模型參數； 在一個訓練輪次中，執行步驟包括： 由所述中心服務器將所述全局模型參數發送至每個客戶端，并構建局部生成器和局部鑒別器，所述局部生成器基于本地持有的所述異質子圖中目標節點的客戶端內鄰居節點原始特征及權重，以及關聯客戶端提供的所述目標節點跨客戶端鄰居節點的原始特征及權重，在添加噪聲數據的情況下輸出所述目標節點的負樣本嵌入特征；所述原始特征是針對所述客戶端內鄰居節點和所述跨客戶端鄰居節點的數據類型初步提取的特征向量； 由所述客戶端本地的跨客戶端采樣器基于top-k隨機游走算法對所述目標節點在所述客戶端內鄰居節點和所述跨客戶端鄰居節點進行采樣，并根據采樣得到的所述客戶端內鄰居節點和所述跨客戶端鄰居節點的原始特征及權重聚合計算正樣本嵌入特征； 所述局部鑒別器基于所述負樣本嵌入特征和所述正樣本嵌入特征，執行對所述目標節點的鄰居節點類型的鑒別任務以及正負樣本的識別任務； 基于對抗學習，所述局部生成器通過最小化所述局部鑒別器對所述負樣本嵌入特征的識別成功率構建損失進行參數更新，所述局部鑒別器通過最大化鄰居節點類型的鑒別任務以及正負樣本的識別任務成功率構建損失進行參數更新； 各客戶端的將更新后的所述局部生成器和所述局部鑒別器的參數發送至所述中心服務器進行參數聚合； 按照設定條件執行多個訓練輪次，更新所述全局生成器、所述全局鑒別器、所述局部生成器和所述局部鑒別器； 在各客戶端上構建目標嵌入特征提取模型，所述目標嵌入特征提取模型基于相應客戶端的局部生成器針對其所持有的異質子圖提取指定目標節點的第一嵌入特征，并將所述第一嵌入特征聚合指定目標節點的客戶端內鄰居節點和跨客戶端鄰居節點的原始特征，得到所述指定目標節點的嵌入特征。

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北京郵電大學，其通訊地址為：100876 北京市海淀區西土城路10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”。