一种融合文本属性的异质图表示学习方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了一种融合文本属性的异质图表示学习方法,属于图数据处理技术领域,该学习方法将文本表示方法与图表示学习方法相结合,基于transformer和图神经网络模型进行构建。首先利用已有节点文本属性进行基于文本编码策略的文本特征表示,并将文本的表示向量融入到异质图中。而后,基于邻居节点的均值聚合以及节点特征变换的方法实现节点缺失属性的补全。最终,将补全属性的异质图输入到已有图神经网络模型,通过端到端的训练策略生成最佳的节点向量。本发明能够深度的融合节点文本属性从而提升图神经网络模型的性能。
《一种融合文本属性的异质图表示学习方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022112178391,当前法律状态为已下证,由山东科技大学提出申请,发明人为李超;王振;闫页宇;赵中英;李香菊;苏令涛;段华;曾庆田,申请日期为2022-09-30,公开(公告)日期为2026-03-24,国际专利分类号(IPC)为 G06F 18/241 (2023.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开了一种融合文本属性的异质图表示学习方法,属于图数据处理技术领域,该学习方法将文本表示方法与图表示学习方法相结合,基于transformer和图神经网络模型进行构建。首先利用已有节点文本属性进行基于文本编码策略的文本特征表示,并将文本的表示向量融入到异质图中。而后,基于邻居节点的均值聚合以及节点特征变换的方法实现节点缺失属性的补全。最终,将补全属性的异质图输入到已有图神经网络模型,通过端到端的训练策略生成最佳的节点向量。本发明能够深度的融合节点文本属性从而提升图神经网络模型的性能。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
