買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京信息工程大學(xué)申請(qǐng)的專利一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119294610B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411803536.7，技術(shù)領(lǐng)域涉及：G06Q10/04；該發(fā)明授權(quán)一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法是由韓進(jìn);郭戰(zhàn)設(shè)計(jì)研發(fā)完成，并于2024-12-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法，包括：采集多個(gè)論文的元數(shù)據(jù)并對(duì)元數(shù)據(jù)進(jìn)行預(yù)處理；將預(yù)處理之后的元數(shù)據(jù)以關(guān)鍵詞作為學(xué)術(shù)研究主題構(gòu)造數(shù)據(jù)集；構(gòu)建時(shí)序圖注意力網(wǎng)絡(luò)模型，并在訓(xùn)練數(shù)據(jù)集上進(jìn)行訓(xùn)練和優(yōu)化模型參數(shù)；將測(cè)試數(shù)據(jù)集輸入到訓(xùn)練后的時(shí)序圖注意力網(wǎng)絡(luò)模型，得到學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)的結(jié)果。本發(fā)明結(jié)合多頭圖注意力機(jī)制與時(shí)序卷積綜合提取學(xué)術(shù)研究主題的時(shí)序特征和關(guān)聯(lián)特征，能夠有效克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法無(wú)法利用學(xué)術(shù)研究主題關(guān)聯(lián)特征的局限；本發(fā)明能夠提高學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)的精度，能夠應(yīng)用于期刊論文數(shù)據(jù)庫(kù)的學(xué)術(shù)趨勢(shì)分析和論文推薦模塊。

本發(fā)明授權(quán)一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法在權(quán)利要求書中公布了：1.一種基于時(shí)序圖注意力網(wǎng)絡(luò)的學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)方法，其特征在于，包括如下步驟：步驟1，采集多個(gè)論文的元數(shù)據(jù)，包括論文標(biāo)題、摘要、關(guān)鍵詞、發(fā)表日期和引文數(shù)量，并對(duì)元數(shù)據(jù)進(jìn)行預(yù)處理；步驟2，將預(yù)處理之后的元數(shù)據(jù)以關(guān)鍵詞作為學(xué)術(shù)研究主題構(gòu)造數(shù)據(jù)集，將數(shù)據(jù)集按照時(shí)間先后順序劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；步驟3，構(gòu)建時(shí)序圖注意力網(wǎng)絡(luò)模型，并在訓(xùn)練數(shù)據(jù)集上進(jìn)行訓(xùn)練和優(yōu)化模型參數(shù)；時(shí)序圖注意力網(wǎng)絡(luò)模型包括依次設(shè)置的時(shí)序卷積模塊、多頭圖注意力模塊以及預(yù)測(cè)輸出模塊；步驟4，將測(cè)試數(shù)據(jù)集輸入到訓(xùn)練后的時(shí)序圖注意力網(wǎng)絡(luò)模型，得到學(xué)術(shù)研究主題趨勢(shì)預(yù)測(cè)的結(jié)果；構(gòu)建時(shí)序圖注意力網(wǎng)絡(luò)模型，并在訓(xùn)練數(shù)據(jù)集上進(jìn)行訓(xùn)練和優(yōu)化模型參數(shù)包括：將訓(xùn)練數(shù)據(jù)集中的數(shù)據(jù)輸入至?xí)r序卷積模塊，得到學(xué)術(shù)研究主題自身的時(shí)序特征，表示時(shí)間步的特征，表示為： ，式中，表示時(shí)間步的特征，為批大小，為觀測(cè)時(shí)間步數(shù)，為節(jié)點(diǎn)數(shù)，為特征數(shù)，為卷積核的大小，為膨脹系數(shù)，為第個(gè)卷積核的權(quán)重，表示時(shí)間步的特征；將時(shí)序特征輸入至多頭圖注意力模塊，得到學(xué)術(shù)研究主題之間的關(guān)聯(lián)特征；將關(guān)聯(lián)特征輸入至預(yù)測(cè)輸出模塊，得到特征矩陣；其中預(yù)測(cè)輸出模塊包括依次設(shè)置的第一全連接層、ReLU激活函數(shù)層和第二全連接層。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京信息工程大學(xué)，其通訊地址為：210044 江蘇省南京市江北新區(qū)寧六路219號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。