Indexed by：
Abstract：
本发明提供基于属性异构网络表示学习的专利交易推荐方法。本发明通过IncoPat专利数据库采集专利数据，基于文献研究构建影响专利交易的属性指标体系；构建包括三类节点、三类关系及多个属性的专利交易AHN；基于神经网络获得节点的多维高斯分布、基于元路径随机游走生成节点序列、基于skip‑gram并利用KL散度度量高斯分布差异从而获得每个低维节点向量空间；基于余弦相似度计算节点间相似度进行目标组织的Top‑k推荐。本发明通过将组织及专利属性融入技术交易AHN中，解决属性融合不足、计算复杂度高及计算精度低等问题，通过考虑属性嵌入的不确定性和节点距离的非对称性，解决专利交易推荐结果精准度不高问题，且推荐结果更具多样性。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202111030367.4
Filing Date： 2021-08-29
Publication Date： 2024-08-23
Pub. No.： CN113836398B
Applicants： 北京工业大学
Legal Status： 授权
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 10
Affiliated Colleges：
