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面向图神经网络节点分类的渐进式解释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：CN121093101B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511632392.8，技术领域涉及：G06F18/241；该发明授权一种面向图神经网络节点分类的渐进式解释方法是由柯翔宇;朱婷婷;高云君;陈挺扬设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种面向图神经网络节点分类的渐进式解释方法在说明书摘要公布了：本发明公开了一种面向图神经网络节点分类的渐进式解释方法，包括：通过类SPARQL语法的查询解释接口接收用户查询请求，解析得到关键配置参数；获取原始图的图数据信息，将其组织为标准化的图数据结构；利用预训练的GNN模型执行节点分类任务，并结合层间影响力传播分析与特征多样性优化，为GNN模型在预测过程中的分层决策机制提供解释。本发明通过模型切片技术将完整GNN分解为层间子模型，精准识别和分析影响预测的关键层次，提升模型解释的有效性，同时引入双目标优化函数和子图验证机制，确保解释的稳定性和可读性，为研究者提供了高效的模型解释工具，可为图神经网络的模型诊断、结构优化和可信部署提供有效的技术支撑。

本发明授权一种面向图神经网络节点分类的渐进式解释方法在权利要求书中公布了：1.一种面向图神经网络节点分类的渐进式解释方法，其特征在于，包括如下步骤： 1通过类SPARQL语义的查询接口接收用户查询请求，并对其进行语法校验及参数解析，以提取关键配置参数； 2获取原始图的图数据信息，包含节点属性特征和拓扑结构关系； 3对提取的图数据信息进行建模处理，将其组织为标准化的图数据结构； 4利用预训练的目标GNN模型执行节点分类任务，基于输入的图数据结构和节点特征，通过特征传播和融合机制，输出目标节点的预测标签结果； 目标GNN模型通过多层消息传递，逐步聚合邻居节点的信息，学习高层次的节点表示，并最终生成目标节点的预测标签；目标GNN模型的特征传播机制包含两个核心组件即编码器和预测器，其中编码器由多层卷积堆叠而成，负责目标节点从其邻居节点收集特征信息，采用加权求和、均值或注意力机制进行聚合，生成节点的邻域表示；预测器用于将聚合后的特征输入MLP，经过非线性变换后，输出目标节点的最终分类结果； 5基于模型切片技术，将目标GNN模型分解为多个切片子模型，以获得各子模型的层级分类结果，具体实现方式如下： S51：获取目标GNN模型的网络结构和参数配置，包括每一层的输入输出维度、权重矩阵以及激活函数； S52：对于待解释的目标层l，构造其对应的切片子模型，该子模型由编码器的前l层卷积以及用于节点预测的MLP连接组成，形成聚焦于目标层l输出的轻量级模型，l为自然数且1≤l≤L，L为编码器的卷积层数； S53：利用所生成的切片子模型对目标节点进行前向计算，输出该节点在第l层对应的分类结果，以辅助后续解释子图生成与层级影响分析； 6基于层级影响力和嵌入多样性的双目标优化函数以及子图验证机制，生成结构性连通的渐进式解释子图，以识别模型预测过程中起关键作用的核心节点及其传播路径结构。

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。