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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种图数据节点分类测试时训练中的表征微调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：CN121599043B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610107080.3，技术领域涉及：G06N3/096；该发明授权一种图数据节点分类测试时训练中的表征微调方法及系统是由王怡琦;章佳欣;祝恩;刘新旺;蹇松雷;张建锋;郭勇;李宝;余杰;谭郁松设计研发完成，并于2026-01-27向国家知识产权局提交的专利申请。

本一种图数据节点分类测试时训练中的表征微调方法及系统在说明书摘要公布了：本发明公开了一种图数据节点分类测试时训练中的表征微调方法及系统，本发明方法包括在预训练阶段，利用源域数据预训练图数据节点分类模型；在测试时训练中的表征微调阶段，利用干预感知掩蔽自动编码器迭代优化低秩表示干预函数的参数；在推理阶段，针对无标记的目标域数据中的节点，根据需要进行干预的节点集合和最优的低秩表示干预函数干预节点特征，利用图数据节点分类模型基于预训练参数来获得其论文分类结果。本发明旨在将图数据节点分类的测试时训练TTT的传统参数更新范式转变为表示干预，从而避免了灾难性遗忘问题，并以即插即用的方式实现高效的测试时自适应，提高论文分类的准确性。

本发明授权一种图数据节点分类测试时训练中的表征微调方法及系统在权利要求书中公布了：1.一种图数据节点分类测试时训练中的表征微调方法，其特征在于，包括下述步骤： S101，在预训练阶段，利用带标记的源域数据完成对图数据节点分类模型的预训练，得到图数据节点分类模型的预训练参数； S102，在测试时训练中的表征微调阶段，针对无标记的目标域数据选择高熵节点作为需要进行干预的节点集合；针对需要进行干预的节点集合中需要进行干预的节点采用低秩表示干预函数进行干预，利用干预感知掩蔽自动编码器IAMAE和预设的损失函数来迭代优化低秩表示干预函数的参数，最终获得最优的低秩表示干预函数； S103，在推理阶段，针对输入的无标记的目标域数据中的节点，根据是否属于需要进行干预的节点集合来选择其原始节点特征或者通过最优的低秩表示干预函数干预后的节点特征作为图数据节点分类模型的输入特征，以利用图数据节点分类模型基于预训练参数来获得其论文分类结果；所述目标域数据和源域数据均为文本形式的图数据，所述文本形式的图数据中节点为论文、边为论文的引用关系； 步骤S102中选择高熵节点作为需要进行干预的节点集合包括： S201，针对无标记的目标域数据中的每一个图数据节点计算预测熵： ； 其中，为图数据节点的预测熵，为类别集合，表示根据图数据节点的特征得到输出为类别的概率； S202，根据下式的平滑阈值机制计算每一个图数据节点的干预概率： ； 其中，为图数据节点的干预概率，为Sigmoid函数，为用于控制阈值的锐度参数，为预测熵阈值； S203，针对每一个图数据节点的干预概率，从干预概率的伯努利分布中采样出图数据节点的干预掩码，所述干预掩码取值为0或1以表示图数据节点是否需要进行干预，从而得到所有需要进行干预的图数据节点构成的需要进行干预的节点集合； 步骤S102中低秩表示干预函数的函数表达式为： ； 其中，为低秩表示干预后的节点特征，为低秩表示干预函数，为节点的原始特征经过一层神经网络输出的处理后的节点特征，、和分别为低秩表示干预函数的矩阵、权重和偏置，，，，，其中表示维度为，表示维度为，表示维度为，为节点特征的维度，为低秩适应空间的维度。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。