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！

龙图腾网获悉贵州大学申请的专利用于技术网络分析的网络关键节点识别方法及系统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：CN121524612B 。

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：202610050535.2，技术领域涉及：G06F18/2137；该发明授权用于技术网络分析的网络关键节点识别方法及系统是由许国腾;陈玉玲;胡丙齐;李澄江;申国伟;王伶婕;金璇设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本用于技术网络分析的网络关键节点识别方法及系统在说明书摘要公布了：本发明涉及复杂网络分析技术领域，一种用于技术网络分析的网络关键节点识别方法及系统，包括：确认出待分析的目标专利数据集，以目标专利数据集中的目标专利数据为节点，以目标专利数据集中目标专利数据的专利间引用关系为边构建专利拓扑模型，基于目标专利数据集获取专利拓扑模型中每一个边的权重，得到参考权重集，基于所述参考权重集对专利拓扑模型进行优化，得到目标拓扑模型，对预构建的图卷积网络模型进行训练，得到优化图卷积网络模型，利用优化图卷积网络模型，在目标拓扑模型中识别出预设的目标网络关键节点，实现对目标网络关键节点的识别。本发明可提高对网络关键节点进行识别的准确性。

本发明授权用于技术网络分析的网络关键节点识别方法及系统在权利要求书中公布了：1.一种用于技术网络分析的网络关键节点识别方法，其特征在于，所述方法包括： 确认出待分析的目标专利数据集，其中，目标专利数据集中包括多个目标专利数据，且目标专利数据包括专利间引用关系、专利初始领域集及专利文本； 以目标专利数据集中的目标专利数据为节点，以目标专利数据集中目标专利数据的专利间引用关系为边构建专利拓扑模型，其中，专利拓扑模型中包括多个拓扑节点，且拓扑节点与目标专利数据一一对应； 基于目标专利数据集获取专利拓扑模型中每一个边的权重，得到参考权重集，基于所述参考权重集对专利拓扑模型进行优化，得到目标拓扑模型； 对预构建的图卷积网络模型进行训练，得到优化图卷积网络模型； 其中，所述对预构建的图卷积网络模型进行训练，得到优化图卷积网络模型，包括： 对目标拓扑模型中每一个拓扑节点进行指标提取，得到节点指标，其中，节点指标如下所示： 其中，表示节点指标，表示度中心性，表示特征向量中心性，表示参考重要程度； 基于节点指标确认出目标拓扑模型的网络模型； 其中，目标拓扑模型的网络模型如下所示： 其中，表示目标拓扑模型的网络模型，表示目标拓扑模型中拓扑节点的集合，表示目标拓扑模型中边的集合，表示参考权重集； 构建网络抗毁评估关系式，其中，网络抗毁评估关系式如下所示： 其中，表示网络抗毁率，表示网络模型中最大弱连通子图的节点数，表示第次移除拓扑节点后的最大弱连通子图的节点数，表示第次移除拓扑节点后的最大弱连通子图的节点数； 基于网络模型及网络抗毁评估关系式获取优化图卷积网络模型； 其中，所述基于网络模型及网络抗毁评估关系式获取优化图卷积网络模型，包括： 在网络模型中提取出图结构，其中，图结构如下所示： 其中，S表示图结构； 利用预构建的策略函数，在图结构所对应的多个拓扑节点中选择移除节点，其中，策略函数如下所示： 其中，表示所述移除节点，表示第次选择的移除节点，表示所述策略函数，表示第次移除所述移除节点后的图结构； 设定图卷积网络模型的时间奖励函数，得到目标卷积网络模型，其中，时间奖励函数如下所示： 其中，表示时间奖励函数，表示第次移除拓扑节点后利用网络抗毁评估关系式计算出网络模型的网络抗毁率，表示第次移除拓扑节点后网络模型的网络抗毁率； 利用策略函数及目标卷积网络模型获取优化图卷积网络模型； 利用优化图卷积网络模型，在目标拓扑模型中识别出预设的目标网络关键节点，实现对目标网络关键节点的识别。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学；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。