专利名称：一种结合领域知识的药物分子生成方法      申请号：2022110614983     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：图神经网络 生物医药 药物研发 AI制药 功能材料设计 有机半导体 生物学元件 化妆品研发   相似专利 发布日：2025/06/10  
摘要： 本发明涉及药物表示学习领域，具体涉及一种结合领域知识的药物分子生成方法，包括利用构象搜索算法获得分子3D构象，从而获得分子空间信息，利用分子空间信息增强分子的初始表示；利用优化后的谱聚类算法以及优化后的CH聚类评价指标获取分子的分子划分结果；根据分子的增强表示和分子划分结果，利用图卷积神经网络对其编码获得其隐空间嵌入表示，即分别为全局图表示和局部子图表示；利用互信息最大化机制优化全局图表示和局部子图表示，得到富含空间信息和子结构信息的分子表示，并应用于下游分子生成任务；本发明有助于捕捉到分子的空间和结构信息，同时能更好地服务于基于深度学习的药物发现领域相关任务。

专利名称：一种基于图元表示的图神经网络图数据分类方法      申请号：2022115763221     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：计算机视觉 图神经网络   相似专利 发布日：2025/05/12  
摘要： 本发明属于图神经网络分析领域，具体涉及到一种一种基于图元表示的图神经网络图数据分类方法；包括获取图数据集并进行划分，即将数据计划分为训练集和测试集；使用图元识别方法得到图数据中的图元集；构建图神经网络模型并进行预训练；基于图元集对图元区域进行特征遮罩从而得到图元区域向量表示；基于图元向量表示和未被图元覆盖的子图区域向量表示得到图级别向量表示；构建线性分类模型；依据此模型和图级别向量表示得到图数据分类结果；本发明采用图神经表示学习方法得到预训练的图神经网络模型，随后通过对图元节点进行序列特征遮罩得到图元区域向量表示和未被图元区域覆盖的子图区域向量表示，以得到图级别向量表示，从而学习到更易区分的图级别向量表示，提高了图数据分类的准确性。

专利名称：基于GPS轨迹和图神经网络的出行时间预测方法      申请号：2022110712420     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交通工具 图神经网络   相似专利 发布日：2025/05/08  
摘要： 本发明公开了一种基于GPS轨迹和图神经网络的出行时间预测方法，包括获取GPS序列并排序；计算最开始的若干个节点的特征数据；计算GPS序列中每个节点的前若干个节点的特征数据；合并特征数据与节点自身的特征数据得到更新后的节点特征并排序，构建粗‑细粒度二部图；将粗‑细粒度二部图进行图神经网络聚合得到更新的粗‑细粒度二部图；再次进行图神经网络聚合得到每个节点两跳内邻居节点的特征；采用循环神经网络学习特征数据得到局部路径的时间预测结果；对局部路径的时间预测结果加权求和得到最终的全局路径的出行时间预测结果。本发明不仅实现了出行时间预测，而且可靠性高、准确性好，适用范围广。

专利名称：一种基于图神经网络的恶意软件快速检测方法      申请号：2022109969053     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：软件检测 病毒防御 计算机安全 网络安全 信息安全 图神经网络   相似专利 发布日：2025/04/16  
摘要： 本发明属于网络与信息安全技术领域，具体涉及一种基于图神经网络的恶意软件快速检测方法，该方法包括：构建恶意软件检测模型，采用不同元结构挖掘软件节点中不同实体中的隐藏信息；捕获节点之间基于高阶内容的相关性，使用注意力机制，对元路径进行语义融合；采用基于元结构相似度匹配的Sim2vec算法从未知软件节点和与之相似的已知软件节点嵌入进行增量聚合，提升检测速度；本发明考虑到不同恶意软件实体的多样性和语义关系复杂性所带来的检测精度不准得问题，采用异质信息网络构建模型，并利用高阶图神经网络挖掘恶意软件的高阶特征信息，再利用相似度算法进行匹配，能够有效的进行恶意软件的快速检测。

专利名称：一种基于半监督的图神经网络的案件争议焦点识别方法及装置      申请号：2022107200963     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：人工智能 图神经网络   相似专利 发布日：2025/04/07  
摘要： 本发明公开了一种基于半监督的图神经网络的案件争议焦点识别方法及装置，所述方法包括：首先利用司法知识图谱三元组嵌入丰富诉辩双方关键陈述句子，然后设计关键单词筛选机制，将输入的诉辩文本单词进行排序、抽取操作，将处理后的单词与文本作为两种节点构建文本图，将文本图输入图注意力网络实现多标签文本分类，从而识别争议焦点。本发明通过利用司法知识图谱中的知识要素、关键文本单词筛选机制，增强了文本特征、改善了长文本限制问题，降低了模型占用资源，最终基于半监督的图神经网络实现多标签文本分类技术完成争议焦点的识别，提高庭审效率。

专利名称：基于时空融合图神经网络的多风电场短期功率预测方法      申请号：2022103391533     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：风力发电 电力电网 智慧电网 图神经网络   相似专利 发布日：2024/10/30  
摘要： 基于时空融合图神经网络的多风电场短期功率预测方法，它包括以下步骤，步骤1：采集目标大型风电基地的若干目标风电场小时级的历史功率数据和外部气象信息数据；步骤2：将步骤1中的功率数据与气象数据映射到高维空间；步骤3：对由步骤2获得的数据进行处理，提取单个风电场功率数据的时序特征；步骤4：提取多个风电场功率数据间的空间特征；步骤5：交替进行以上两个步骤，将得到的时序特征和空间特征连接起来，以获得多风电场功率数据耦合的时空特征；步骤6：获得多风电场最终的功率预测结果。本发明的目的在于克服现有技术在进行多风电场短期功率预测时不能结合其功率数据深层时空特征的问题，提供了一种多风电场功率预测技术。

专利名称：基于深度强化学习和图神经网络的人群导航方法及系统      申请号：2023114508757     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：人工智能 图神经网络   相似专利 发布日：2025/02/19  
摘要： 本发明公开了一种基于深度强化学习和图神经网络的人群导航方法及系统，涉及人工智能与移动机器人导航技术领域，该方法包括：基于机器人‑人群导航环境的模拟场景进行建模，将模拟场景转换为图表示；获取图表示中机器人和人群中多位行人的状态特征信息；通过GAT网络和GRU网络，分别提取包含空间和时间特征信息的状态图表示；基于融合得到的包含时空特征信息的状态图表示，采用SAC算法计算行为决策，生成机器人当前时刻应执行的最优动作，并不断循环迭代计算，直至机器人到达既定目标位置或发生碰撞或超出设定的最大导航时间，完成导航任务。本发明捕捉复杂的人人和人机交互并用于导航决策，在人群导航中实现更安全高效的移动。

专利名称：边缘计算中融合图神经网络和强化学习的容器集群在线部署方法      申请号：2022113479678     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2025/04/14  
摘要： 本发明提出了一种边缘计算中融合图神经网络和强化学习的容器集群在线部署方法，包括以下步骤：S1，由图卷积网络提取容器之间存在的拓扑关联关系；S2，在图卷积网络的辅助下序列到序列网络推断出部署策略。本发明根据构建的优化模型能够对边缘计算进行合理部署。

专利名称：一种基于超图神经网络的多模态对话情绪识别方法及系统      申请号：2024102964109     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机硬件 图神经网络   相似专利 发布日：2025/03/11  
摘要： 本发明提供一种基于超图神经网络的多模态对话情绪识别方法及系统，涉及对话情绪识别领域。该基于超图神经网络的多模态对话情绪识别方法，包括以下步骤：以对话中的话语为节点，分别构建上下文文本、图像、语音模态内超图及模态间超图，使用超图卷积神经网络对超图进行聚合得到模态内和模态间节点特征表示，将节点特征表示拼接得到最终特征表示，将特征表示输入到情感分类器中，得到该话语的情绪类别。本方法采用超图神经网络来建模对话上下文和模态之间的关系，以弥补图神经网络只能捕获成对关系致使高阶信息丢失的缺陷，同时使用超边融合自适应策略和超图卷积神经网络以融合模态信息使得它们能够互相补充，从而提高整体的性能和准确性。

专利名称：基于时序交互图神经网络的文本分类方法、装置及介质      申请号：2021113436269     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：自然语言处理 文本分析 机器学习算法 图神经网络   相似专利 发布日：2024/08/27  
摘要： 本发明公开了一种基于时序交互图神经网络的文本分类方法，该方法包括：获取文本数据以及文本数据对应的标签值，并将文本数据构建为自适应图结构数据；基于自适应距离权重算法对图节点集合和图有向边集合进行处理，得到输入特征矩阵；将所述输入特征矩阵和所述标签值输入到时序交互图神经网络模型中，得到所述文本数据的总损失值；基于总损失值、交叉熵损失函数和梯度下降算法对时序交互图神经网络模型的模型参数进行更新优化，得到训练文本分类模型。本发明还公开了一种文本分类装置和一种介质。本发明能够实现增强图神经网络的特征提取能力，改善图读出器函数对文本数据的表达以及分类，降低图神经网络出现过度平滑问题出现的概率。

专利名称：一种基于异质图神经网络的购物推荐方法及系统      申请号：2021103837874     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 购物推荐 图神经网络   相似专利 发布日：2024/08/23  
摘要： 本发明公开了一种基于异质图神经网络的购物推荐方法及系统，所述方法包括：获取多个用户针对商品的历史行为记录，并根据用户对商品的行为划分为多个数据集；对于每一种行为，分别根据相应数据集生成初始的用户、商品和用户对商品行为关系特征向量；采用图卷积神经网络训练得到最终的用户、商品和用户对商品行为关系特征向量；将最终的用户和商品特征向量进行拼接，得到用户‑商品特征向量；根据用户‑商品特征向量和用户对商品行为关系特征向量，得到用户对于各商品的评分预测。本发明通过将不同用户、商品和用户对商品行为关系构成一张异质图，基于图卷积神经网络进行用户与商品之间关系的链路预测，能够引入更丰富的信息，推荐精度更高。

专利名称：一种基于图神经网络的多变量时序异常检测方法及系统      申请号：2024102214846     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2024/12/27  
摘要： 本发明公开了一种基于图神经网络的多变量时序异常检测方法及系统，方法包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型进行时序异常判断；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练；将单位样本x转化为同时融合了时域与空域关系的融合时间序列#imgabs0#；将融合时间序列#imgabs1#输入至编码器输出中间特征#imgabs2#；将融合时间序列#imgabs3#和中间特征#imgabs4#输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值并对时序异常检测模型的参数进行优化，输出训练后的时序异常检测模型；本发明能够更全面地分析多变量时间序列数据，从而提高异常检测的准确性和可靠性。

专利名称：基于跨模态融合与图神经网络的遥感影像语义分割方法      申请号：2023105730902     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 语义分割 图神经网络   相似专利 发布日：2024/06/28  
摘要： 本发明涉及图像处理技术领域，提供了一种基于跨模态融合与图神经网络的遥感影像语义分割方法，包括：获取RGB遥感图和对应的高程图；将所述RGB遥感图和所述高程图输入第一双流编码器‑解码器模块，输出第一重构特征图；将所述第一重构特征图输入图卷积神经网络模块，输出一级分类体系预测图像；将所述RGB遥感图、所述高程图以及所述一级分类体系预测图像输入构建好的语义分割网络，输出二级分类体系预测图像。本发明将一级分类体系预测图像的先验信息融入二级分类体系预测图像的预测过程中，可以引导网络关注不同类别间的差异化特征，提高分割的整体性，从而有效提升了遥感影像语义分割的精确度。

专利名称：分布式空间图神经网络的模型建立及实现方法      申请号：2023105253867     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 建立 空间 图神经网络   相似专利 发布日：2024/06/28  
摘要： 本发明涉及分布式图处理领域，提供了一种分布式空间图神经网络的模型建立及实现方法，该方法包括：搭建分布式架构，将训练图输入初始模型，将训练图分割为多个第一子图，将第一子图中的节点划分为多个分区，并存储到分布式架构的计算机中；获取目标节点在训练图中最重要的多个邻居节点，生成训练子图；对训练子图进行特征分解获得多个镜像图；利用解耦的方法对镜像图中目标节点的特征向量进行更新，得到目标节点的初始属性结果；计算损失，进行迭代更新，以构建分布式空间图神经网络模型。本发明中的网络模型基于分布式架构，可应用到大规模含空间信息的图处理中，该网络模型降低了通讯次数，从而减少训练时间，提高空间图神经网络的训练效率。

专利名称：基于图神经网络的RDF图数据库子图匹配查询优化方法      申请号：2023102662354     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 R F 图数据库 图神经网络   相似专利 发布日：2024/06/28  
摘要： 本发明涉及数据处理技术领域，公开了一种基于图神经网络的RDF图数据库子图匹配查询优化方法，该方法包括：根据RDF图数据训练GraphSAGE图神经网络模型，得到训练后的网络模型；将查询负载中的SPARQL查询语句转换为第一查询图，确定频繁查询子图；将频繁查询子图的结构特征转换为第一子图嵌入特征向量；获取频繁查询子图在RDF图数据库索引中的查询结果和索引中间值；构建辅助索引；将目标SPARQL查询语句转换为第二查询图，将第二查询图的结构特征转换为第二子图嵌入特征向量；在辅助索引中对第二子图嵌入特征向量进行检索，确定查询结果。上述方案将子图匹配转换成向量匹配，加速RDF数据的查询。

专利名称：基于特征交互图神经网络的上下文感知推荐方法及系统      申请号：2020107933768     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2025/04/07  
摘要： 本发明公开了一种基于特征交互图神经网络的上下文感知推荐方法及系统，属于数据挖掘技术领域，本发明要解决的技术问题为如何提高推荐系统预测的准确性和可解释性，技术方案为：该方法具体如下：S1、从数据集中获取用户、项目及上下文的特征数据；S2、根据历史记录将数据集划分为上下文‑用户数据集和上下文‑项目数据集；S3、分别对上下文‑用户数据集和上下文‑项目数据集进行one‑hot编码和embedding嵌入；S4、构造上下文‑用户和上下文‑项目特征图；S5、分别对上下文‑用户特征图和上下文‑项目特征图中的节点进行初始化表示；S6、分别对上下文‑用户特征图和上下文‑项目特征图中的节点进行特征交互建模；S7、构建图神经网络输出层，得到预测结果。

专利名称：一种基于深度图神经网络的区块链地址身份推断方法及系统      申请号：2023116713402     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2025/03/11  
摘要： 本发明公开了一种基于深度图神经网络的区块链地址身份推断方法及系统，所述区块链地址身份推断方法包括基于采集到的区块链交易数据集生成有向交易网络图，并基于联合子图采样策略得到所述有向交易网络图中每个节点的节点子图，其中，所述有向交易网络图中节点代表区块链上的交易地址，边表示一个交易地址与另一个交易地址之间的交易；将每个节点的节点子图分别输入至预先训练好的多任务身份识别图模型中，输出节点的嵌入表示；将各节点的嵌入表示输入至预先训练好的分类器，利用分类器输出各个身份类别的概率分布，取概率最高的身份类别作为各节点最终的身份标签，完成身份推断。本发明能够提高区块链中交易地址身份推断的精度。

专利名称：一种基于图神经网络的偏好感知社会化推荐方法      申请号：2024100280203     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2024/04/12  
摘要： 本发明公开了一种基于图神经网络的偏好感知社会化推荐方法，属于社会化推荐方法技术领域，包括以下步骤：S1：输入用户社交信息和用户与物品间交互信息；S2：构建用户社交图和用户物品交互图，初始化用户和物品嵌入；S3：确定最终的一阶用户嵌入；S4：将用户物品交互图分为多个子图；S5：确定二阶或高阶用户嵌入；S6：确定一阶至高阶用户嵌入和物品嵌入进行加权求和，得到最终的用户嵌入和物品嵌入；S7：内积计算用户对物品的偏好程度；S8：根据偏好程度降序排序并生成推荐列表；本发明不仅通过社会化推荐方法解决了传统推荐模型的冷启动和数据稀疏问题，而且解决现有社会化推荐系统的精度低问题，提升推荐模型的推荐精度。

专利名称：一种基于Transformer的自适应时空图神经网络交通流预测方法及系统      申请号：2022100856882     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交通工具 图神经网络   相似专利 发布日：2024/10/28  
摘要： 本发明属于智能交通领域，具体涉及一种基于Transformer的自适应时空图神经网络交通流预测方法及系统，方法包括获取历史数据，将历史数据拼接后作为输入数据；将输入数据使用向量进行表示，并获取表征路网空间特征的邻接矩阵和交通流特征矩阵；根据路网的连通性和节点特征矩阵，提取节点自身的时间相关性、不同节点间之间的时空相关性获得第一交通流特征矩阵，并根据路网结构中的隐藏的空间相关性，获得第二交通流特征矩阵；将第一交通流特征矩阵与第二交通流特征矩阵进行融合，得到最终的交通流特征，将该特征输入预测模型进行预测得到预测结果；本发明在复杂交通的状况下对较长时交通流具有良好的预测效果。

专利名称：一种基于注意力机制图神经网络的信号调制格式识别方法、系统、装置及存储介质      申请号：202210036660X     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 图神经网络   相似专利 发布日：2024/12/27  
摘要： 本发明公开了一种基于注意力机制图神经网络的信号调制格式识别方法、系统、装置及存储介质，属于通信技术领域，所述方法包括：获取接收信号并对其进行预处理；将预处理后的接收信号输入预训练好的注意力机制图神经网络，输出带有识别标签的接收信号，所述注意力机制图神经网络是根据发送信号星座成形后的信号数据完成训练的；降低信道对信号的干扰，在提高信道容量的同时增加了数据调制方法的多样性，实现对星座成形后接收信号调制格式的高精度识别。