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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于树形结构数据的向量化方法、框架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：CN121722767B 。

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：202610228419.5，技术领域涉及：G06F16/22；该发明授权一种基于树形结构数据的向量化方法、框架及系统是由张海军;韩新月;欧阳超;马江虹设计研发完成，并于2026-02-26向国家知识产权局提交的专利申请。

本一种基于树形结构数据的向量化方法、框架及系统在说明书摘要公布了：一种基于树形结构数据的向量化方法、框架及系统，所述方法首先对树形结构中的各节点按其模态进行特征提取；然后，通过一个自底向上的层次融合框架，将树结构转化为统一的向量表示。所述框架包括树形结构构建与特征提取模块、层次融合向量化模块和输出模块。该方法、框架和系统的核心在于为每层融合引入一个可学习的变换矩阵V和一个可自动更新的权重矩阵W，通过优化一个旨在平衡原始父节点特征与加权变换后子节点特征的目标函数，逐层生成融合向量，直至得到代表整棵树的根节点向量。本发明有效保留了数据的层次语义，兼容多模态信息，并具有自适应融合与高效计算的特点，在合作者推荐、图像检索及视频检索等任务中展现出优越性能。

本发明授权一种基于树形结构数据的向量化方法、框架及系统在权利要求书中公布了：1.一种基于树形结构数据的向量化方法，所述树形结构由若干节点按照父子关系组织形成层次化数据结构，至少包括一个根节点以及若干层级的中间节点和叶节点，用于刻画数据对象之间的层次语义关系，其特征在于，包括以下步骤： S1.针对输入数据，构建其对应的树形结构；使用与节点数据模态对应的特征提取器获取每个节点的特征向量，形成一棵特征化的树； S2.层次融合向量化：从树的叶节点层开始，逐层向上执行融合操作，直至根节点；对于任意相邻的两层，即下层子节点层与上层父节点层，通过优化目标函数生成融合后的父节点向量；融合过程包括： 利用变换矩阵的转置VT将下层子节点特征从其原始特征空间映射至与上层父节点一致或可比的特征空间，以实现跨层级及跨模态的特征对齐；所述变换矩阵V是一组可学习的线性变换参数； 利用权重矩阵W自适应地学习各子节点对父节点的贡献权重；所述权重矩阵W是用于刻画不同子节点对其父节点语义贡献程度的可学习参数矩阵，其参数值在层次融合过程中根据所述目标函数进行自适应更新； 通过联合约束融合向量与原始父节点特征及变换加权子节点特征之间的距离或相似度关系，生成对应父节点的融合向量Z；所述融合向量Z是指通过层次融合操作生成的节点表示向量，用于表征对应节点在综合其自身特征及其下层节点特征后的语义表示； S3：将经过层次融合后得到的根节点向量，作为整个树形结构数据的向量化表示输出。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。