公开(公告)号：CN114781553A

公开(公告)日：2022-07-22

申请号：CN202210695144.8

申请日：2022-06-20

Applicant: 浙江大学滨江研究院

Inventor： 韩蒙 ,  梁兵 ,  况欢 ,  陈灏毅 ,  陈唯 ,  林昶廷

IPC: G06K9/62 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于并行多图卷积神经网络的无监督专利聚类方法，在构建4类专利图和自编码器对专利数据的编码向量的基础上，通过图卷积操作以充分提取4类专利图和编码向量，以此全面提取专利数据的有效特征向量，通过并行单图自注意力模块每类特征向量分配权值，提高单图重要特征的重要程度以得到单图注意力向量，通过多图注意力模块融合所有类的单图注意力向量进行学习，以此为重要的单图分配更大的权重，使得得到的全局注意力向量综合了多方面特征信息，进而提升聚类的精度。

公开(公告)号：CN114781553B

公开(公告)日：2023-04-07

申请号：CN202210695144.8

申请日：2022-06-20

Applicant: 浙江大学滨江研究院

Inventor： 韩蒙 ,  梁兵 ,  况欢 ,  陈灏毅 ,  陈唯 ,  林昶廷

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了一种基于并行多图卷积神经网络的无监督专利聚类方法，在构建4类专利图和自编码器对专利数据的编码向量的基础上，通过图卷积操作以充分提取4类专利图和编码向量，以此全面提取专利数据的有效特征向量，通过并行单图自注意力模块每类特征向量分配权值，提高单图重要特征的重要程度以得到单图注意力向量，通过多图注意力模块融合所有类的单图注意力向量进行学习，以此为重要的单图分配更大的权重，使得得到的全局注意力向量综合了多方面特征信息，进而提升聚类的精度。