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！

龙图腾网获悉浙江工商大学申请的专利一种基于夏普利值解释的图神经网络模型重要链路确定方法及装置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：CN115456140B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202210863247.0，技术领域涉及：G06N3/042；该发明授权一种基于夏普利值解释的图神经网络模型重要链路确定方法及装置是由李传煌;刘世源;陆琴;陈泽斌设计研发完成，并于2022-07-20向国家知识产权局提交的专利申请。

本一种基于夏普利值解释的图神经网络模型重要链路确定方法及装置在说明书摘要公布了：本发明公开一种基于夏普利值解释的图神经网络模型重要链路确定方法及装置，本发明将SDN网络性能预测的图神经网络模型的工作原理与博弈论理论知识相结合，为SDN网络性能预测的图神经网络模型提供有效、合理的解释。使用夏普利值作为输入节点的重要性得分，并通过一个可训练的软离散掩码矩阵来挑选重要节点集合，从而降低了夏普利值的计算量。实验结果表明本发明能为图神经网络模型提供有效解释，挑选出针对预测结果的重要链路集合，为进一步优化网络拓扑结构提供支撑，并在一定程度上验证了模型能够正确地学习到特征之间的关系，增强了其可靠性，为推动SDN网络性能预测的图神经网络模型在工程实践中的应用提供了新的方案。

本发明授权一种基于夏普利值解释的图神经网络模型重要链路确定方法及装置在权利要求书中公布了：1.一种基于夏普利值解释的图神经网络模型重要链路确定方法，其特征在于，该方法包括以下步骤： 1构建图神经网络模型，输入参数是网络全局信息，输出为预测的网络性能； 2通过软离散掩码矩阵，在图神经网络模型的所有输入节点中挑选出对当前图神经网络模型输出起重要作用的输入节点集合；具体为：通过训练软离散掩码矩阵M实现搜索重要链路，在训练过程中，需要考虑重要节点数量与输出变化这两个因素： 输出变化：给定图神经网络模型的原始输入和图神经网络模型，原始输入产生的预测结果为OI，经掩码矩阵处理后的预测结果为OM；用原图与新图预测结果的相似度来衡量输出变化，考虑为OI与OM的均方误差； 重要节点数量：根据获得的软离散掩码矩阵，集合元素mi的绝对值之和表示重要节点数量； 3对挑选出的重要的输入节点进行夏普利值计算，得到重要的输入节点的重要性得分，根据重要性得分确定影响当前图神经网络模型预测结果的重要链路，优化网络拓扑结构，调整网络流量分布。

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工商大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18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。