买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利一种基于图神经网络预训练模型的风险商品异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115759182B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211375700.X，技术领域涉及：G06N3/042；该发明授权一种基于图神经网络预训练模型的风险商品异常检测方法是由卜佳俊;方梦成;杨高明;周晟设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种基于图神经网络预训练模型的风险商品异常检测方法在说明书摘要公布了：一种基于图神经网络预训练模型的风险商品异常检测方法，包括：获取电商数据，构建商品与用户之间复杂的异构图网络；通过异常节点传播方法获取新的异常节点和正常节点进行数据增强；搭建深度图神经网络模型，支持无监督预训练数据和下游有监督训练微调；将图神经网络模型进行无监督预训练；将预训练好的模型进行下游微调进行有监督的训练；将下游训练好的模型推理待测试的商品节点。该发明利用自监督学习策略，让模型充分学习到了大规模图数据的节点特征信息，规避了噪声干扰，提高了模型的扛干扰性，同时利用异常节点传播的方式做数据增强，丰富了数据的信息度，提高了模型检测风险商品的能力。

本发明授权一种基于图神经网络预训练模型的风险商品异常检测方法在权利要求书中公布了：1.一种基于图神经网络预训练模型的风险商品异常检测方法，其特征在于，包括如下步骤： S110：获取电商数据，构建商品与用户之间复杂的网络拓扑图； S120：通过异常节点传播方法获取新的异常节点和正常节点进行数据增强； S130：搭建深度图神经网络模型，支持无监督预训练数据和下游有监督训练微调；具体包括： S1301：以RGCNConv为基础图卷积模型进行深度堆叠，堆叠5层获得深度大模型；为了避免模型过深导致梯度爆炸或消失问题，在每层的RGCNConv进行卷积计算处理后对节点的表征采用LayerNormalization进行归一化处理，同时为了避免过拟合，节点表征经过归一化后通过ReLU激活再经过Dropout层进行一定比例的随机失活； Hl＝RGCNonvHl-1,edge_index,edge_type3 Hl＝LayernormHl4 Hl＝DropoutReLUHl5 S1302：在无监督预训练和有监督微调部分，分别设计两个输出端口执行两种任务，无监督的预训练方式采用最简单的节点特征属性损失重构进行计算，有监督微调部分需要将节点特征维度映射到2分类，判断该节点是正常还是异常；因此得MLP0将最后一层输出的节点特征表示H4映射到和原始特征H0一样的维度进行节点特征损失重构； Z＝MLP0H46 Lossrec＝Z-H027 S1303：将输出的节点表征维度利用MLP1映射到2，进行异常和正常的二分类有监督训练，损失函数采用多分类的交叉熵损失函数； preds＝MLP1Z8 Losspreds＝-∑iPilogQi9 S140：将图神经网络模型进行无监督预训练； S150：将预训练好的模型进行下游微调进行有监督的训练； S160：将下游训练好的模型推理待测试的商品节点。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。