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！

龙图腾网获悉厦门理工学院申请的专利一种带有混合图深度学习的高阶交互预测方法、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：CN121768485B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610236528.1，技术领域涉及：G16B40/00；该发明授权一种带有混合图深度学习的高阶交互预测方法、装置是由钟俊江;马英钧;胡祥篙设计研发完成，并于2026-02-28向国家知识产权局提交的专利申请。

本一种带有混合图深度学习的高阶交互预测方法、装置在说明书摘要公布了：本发明提供了一种带有混合图深度学习的高阶交互预测方法、装置，该方法首先基于药物分子结构、微生物分类信息和疾病语义网络等多源异构数据，构建药物分子图、微生物加权图、疾病加权图以及连接三者的超图，形成混合图结构。随后，通过融合图卷积网络与超图神经网络的混合图深度学习模块，提取各实体的非线性结构特征及高阶交互特征，并利用注意力机制实现特征的自适应融合。接着，将融合后的深层特征映射为贝叶斯逻辑张量分解模型中潜在因子矩阵的先验期望，构建概率图模型，并通过变分期望最大化算法对模型参数、潜变量及深度学习映射进行联合自适应推断，从而在无需负采样的情况下，实现对全张量空间的高阶关联概率预测。

本发明授权一种带有混合图深度学习的高阶交互预测方法、装置在权利要求书中公布了：1.一种带有混合图深度学习的高阶交互预测方法，其特征在于，包括： 从预设的多个数据库中提取药物数据、微生物数据和疾病数据及辅助信息，并基于提取到的数据构建混合图结构和关联张量； 采用图卷积网络和超图卷积网络对混合图结构进行特征提取，引入对应的注意力因子和深度学习映射，计算先验期望和多元高斯分布，并基于关联张量计算联合似然概率，结合联合似然概率与多元高斯分布，得到联合概率模型； 执行E-step，在固定先验期望的情况下，结合关联张量推断潜在因子矩阵的后验期望和协方差矩阵； 执行M-step，在固定后验期望和协方差矩阵的情况下，利用Adam优化器更新联合概率模型参数和深度学习映射，并交替执行E-step和M-step，直至达到最优平衡，获得所有潜在因子矩阵的最优后验分布，并提取各潜在因子矩阵的最终的后验期望值作为最终的联合概率模型输出； 根据最终的后验期望值对任意一个药物-微生物-疾病三元组进行计算，得到预测关联概率，并对预测关联概率进行降序排列，生成推荐列表； 从预设的多个数据库中提取药物数据、微生物数据和疾病数据及辅助信息，并基于提取到的数据构建混合图结构和关联张量，具体为： 从预设的多个数据库中提取药物数据、微生物数据和疾病数据及辅助信息； 对药物数据中的SMILES字符串进行转化处理，构建得到药物分子图，其中，为原子属性矩阵，R为特征维度，n为原子数，为原子属性维度，A为邻接矩阵； 基于微生物数据和疾病数据，分别构建微生物加权图和疾病加权图，其中，为微生物顶点，为微生物的边，为微生物的边对应的权重，为疾病顶点，为疾病的边，为疾病的边对应的权重； 根据药物数据、微生物数据和疾病数据及辅助信息，构建DMD超图，为顶点集，其包含所有药物数据、微生物数据和疾病数据，为超边集； 根据药物分子图、微生物加权图、疾病加权图、DMD超图构建得到混合图结构，并定义超图关联矩阵，其中，当第v个顶点在第e个超边中时，对应的超图关联矩阵，当第v个顶点不在第e个超边中时，对应的超图关联矩阵，，； 建立药物-微生物-疾病的关联张量，其中，I为药物个数，J为微生物个数，K为疾病个数。

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厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600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。