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！

摘要：本申请涉及基于GAT和AE的产业链扰动识别方法及检测系统，该方法包括：获取待检测的目标产业链的属性网络图，属性网络图包括目标产业链上所有企业节点所对应的邻接参数和每个企业节点对应的节点参数，邻接参数用于表征企业节点之间是否存在供应关系，节点参数用于表征每个企业节点的生产状态信息；将目标产业链所对应的所有邻接参数和所有所述企业节点对应的节点参数，输入GAT‑AE扰动检测模型中进行中断检测，得到所有企业节点所对应的扰动参数，扰动参数包括对应的所述企业节点对应的扰动指数；从每个企业节点对应的扰动参数中，获取对应的扰动指数，并根据对扰动指数是否小于扰动指数阈值的判断结果，确定产业链扰动识别结果。

主权项：1.一种基于图注意力网络GAT和自动编码器AE的产业链扰动识别方法，其特征在于，包括：获取待检测的目标产业链的属性网络图，其中，所述属性网络图包括所述目标产业链上所有企业节点所对应的邻接参数和每个企业节点对应的节点参数，所述邻接参数用于表征所述企业节点之间是否存在供应关系，所述节点参数用于表征每个所述企业节点的生产状态信息；将所述目标产业链所对应的所有所述邻接参数和所有所述企业节点对应的所述节点参数，输入已构建的GAT-AE扰动检测模型中进行中断检测，得到所有所述企业节点所对应的扰动参数，其中，所述扰动参数包括对应的所述企业节点对应的扰动指数，所述扰动指数用于表征所述企业节点在所述目标产业链上产生中断的可能性，所述GAT-AE扰动检测模型是基于注意力网络编码器GAT、结构重构解码器SRE和属性重构解码器ARD训练的神经网络模型；从每个所述企业节点所述对应的扰动参数中，获取对应的所述扰动指数，并根据对所述扰动指数是否小于扰动指数阈值的判断结果，确定产业链扰动识别结果，其中，所述产业链扰动识别结果包括所述目标产业链上中断的所述企业节点和对应的所述节点参数；其中，将所述目标产业链所对应的所有所述邻接参数和所有所述企业节点对应的所述节点参数，输入已构建的GAT-AE扰动检测模型中进行中断检测，得到所有所述企业节点所对应的扰动参数，包括：基于所有所述企业节点所对应的所述邻接参数和每个所述企业节点所对应的所述节点参数，利用所述GAT进行邻接矩阵计算和信息聚合操作的迭代，直至生成每个所述企业节点所对应的信息向量；通过所述SRE，对每个所述企业节点所对应的所述信息向量进行结构重构，生成每个所述企业节点所对应的重构邻接参数，以及通过所述ARD，对每个所述企业节点所对应的所述信息向量进行属性重构，生成每个所述企业节点所对应的重构节点参数；在确定每个所述重构邻接参数与对应的所述邻接参数的第一偏差值和确定每个所述重构节点参数与对应的所述节点参数的第二偏差值之后，对每个所述企业节点所对应的所述第一偏差值和所述第二偏差值进行加权，生成每个所述企业节点所对应的所述扰动参数；其中，基于所有所述企业节点所对应的所述邻接参数和每个所述企业节点所对应的所述节点参数，利用所述GAT进行邻接矩阵计算和信息聚合操作的迭代，直至生成每个所述企业节点所对应的信息向量，包括：确定所述GAT进行当前邻接矩阵计算和信息聚合操作的神经网络层所对应的第一权重参数和预设的第一注意力机制参数，其中，所述第一权重参数用于表征对应的神经网络层的权重矩阵；从所有所述企业节点中，遍历出每个所述企业节点所关联的邻接企业节点，并确定由所述企业节点与一个所述邻接企业节点所组成的邻接企业节点组，以及确定所有所述邻接企业节点组中的目标企业节点所对应的第一节点参数，其中，所述目标企业节点包括对应的所述邻接企业节点组中的所述企业节点和所述邻接企业节点中的一个，所述第一节点参数是对与所述企业节点所关联的所有所述邻接企业节点组在前一次迭代操作做所生成的历史邻接参数与所述企业节点所关联的所有所述邻接企业节点所对应的历史节点参数进行信息聚合生成的；根据对应的所述企业节点所关联的每个所述邻接企业节点组所对应两个所述目标企业节点的所述第一节点参数、所述第一权重参数和所述第一注意力机制参数，进行向量拼接、矩阵倒置以及幂运算，得到对应的每个所述邻接企业节点组所对应的第一关系值，并在根据每个所述邻接企业节点组所对应的所述第一关系值，确定对应的所述企业节点所关联的所有所述邻接企业节点组对应的第一总关系值之后，基于目标邻接企业节点组对应的所述第一关系值与所述第一总关系值的比值，生成所述目标邻接企业节点组进行当前邻接矩阵计算对应的相关系数，其中，所述邻接参数包括所述相关系数，所述第一关系值用于表征对应的所述邻接企业节点组所对应的两个所述目标企业节点的关联值，所述目标邻接企业节点组包括对应的所述企业节点所关联的所有所述邻接企业节点组中的一个，所述相关系数用于表征对应的两个所述企业节点之间的相关联性程度；基于每个所述目标邻接企业节点组所对应的所述相关系数、所述第一权重参数和所述第一节点参数，进行信息聚合，生成所述目标邻接企业节点组所对应的所述企业节点进行当前信息聚合操作对应的当前信息向量；在重复执行生成对应的所述相关系数和生成对应的所述当前信息向量的步骤的次数达到预设次数之后，将最后一次所生成的所述当前信息向量作为对应的所述企业节点所对应的信息向量，其中，通过所述SRE，对每个所述企业节点所对应的所述信息向量进行结构重构，生成每个所述企业节点所对应的重构邻接参数，包括：确定所述SRE进行结构重构的神经网络层所对应的第二权重参数和预设的第二注意力机制参数，其中，所述第二权重参数用于表征所述SRE对应的神经网络层的权重矩阵；根据对应的每个所述邻接企业节点组所对应两个所述目标企业节点的所述信息向量、所述第二权重参数和所述第二注意力机制参数，进行向量拼接、矩阵倒置以及幂运算，得到对应的每个所述邻接企业节点组所对应的第二关系值，并在根据每个所述邻接企业节点组所对应的所述第二关系值，确定对应的所述企业节点所关联的所有所述邻接企业节点组对应的第二总关系值之后，基于目标邻接企业节点组对应的所述第二关系值与所述第二总关系值的比值，生成所述目标邻接企业节点组进行结构重构对应的重构相关系数，其中，所述第二关系值用于表征对应的所述邻接企业节点组所对应的两个所述目标企业节点的关联值，所述重构相关系数用于表征在结构重构之后对应的两个所述企业节点之间的相关联性程度；基于每个所述目标邻接企业节点组所对应的所述重构相关系数、所述第二权重参数和对应的所述信息向量，进行信息聚合，生成对应的结构向量信息，并通过所述SRE对所述结构向量信息进行解码，生成每个所述企业节点所对应的重构邻接参数，其中，所述结构向量信息用于表征对应的目标邻接企业节点组所对应的所述企业节点进行结构重构所生成的信息向量。

全文数据：

权利要求：

百度查询： 暨南大学 基于GAT和AE的产业链扰动识别方法及检测系统