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！

龙图腾网恭喜浙江远图技术股份有限公司申请的专利基于有向图卷积神经网络医院自助终端日志异常检测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：CN116662275B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202310295455.X，技术领域涉及：G06F16/17；该发明授权基于有向图卷积神经网络医院自助终端日志异常检测系统是由吴俊宏设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本基于有向图卷积神经网络医院自助终端日志异常检测系统在说明书摘要公布了：本发明提供了一种基于有向图卷积神经网络医院自助终端日志异常检测系统，涉及智慧医疗技术领域。通过终端日志数据采集、数据挖掘与处理，将原始日志内的消息内容转换为结构化事件模板。按照时间序列，分段形成日志事件序列，每个日志序列中日志事件转换为图节点，建立时间有向图结构，计算出时间有向图邻接矩阵、一阶近似邻接矩阵、二阶近似邻接矩阵，分别输入卷积神经网络模型，计算出特征向量并进行连接，输出特征结果。本发明采用基于因果关系优化GTN注意力机制，建立本节点与图中其他节点之间因果关系特征内容，输入GCN模型中进行调节，使得系统日志时空复杂依赖关系计算变得较简单。

本发明授权基于有向图卷积神经网络医院自助终端日志异常检测系统在权利要求书中公布了：1.一种基于有向图卷积神经网络医院自助终端日志异常检测系统，其特征在于，包括日志数据采集模块，用于采集来自自助服务终端系统的日志数据；日志数据预处理与存储模块，用于数据清洗删除无关数据信息，清洗完成后，形成日志数据表格储存；用于将非结构日志数据结构化处理，形成日志信息数据仓库；日志数据解析模块，用于将原始日志内的消息内容转换为结构化事件模板；日志数据分析预测模块，用于利用有向图神经网络DGCN日志异常检测算法对日志数据进行分析计算后，预测未来自助服务终端系统的异常事件；日志异常报警模块，用于对预测到的异常事件进行报警；所述利用有向图神经网络DGCN日志异常检测算法对日志数据进行分析计算后，预测未来自助服务终端系统的异常事件，具体包括如下：1建立时间有向图结构：以时间顺序进行排列，分段形成日志序列，对每个日志序列，建立时间有向图结构；2构建时间有向图邻接矩阵、一阶邻接近似矩阵和二阶邻接近似矩阵；3有向图卷积神经网络模型的邻接近似矩阵卷积：一阶邻接近似矩阵和二阶邻接近似矩阵分别输入有向图卷积神经网络模型获得相应邻接近似矩阵卷积结果；4邻接近似矩阵卷积结果构建有向图度矩阵： 其中，AFi,j为一阶邻接近似矩阵单元，A入i,j为二阶邻接近似入度矩阵单元，A出i,j二阶邻接近似出度矩阵单元；5采用基于因果关系优化GTN注意力机制，计算出特征矩阵并进行连接，输出特征结果：节点i在l-1层节点特征为 l-1层节点特征矩阵为 连接后l层节点特征矩阵为 对于两层图卷积神经网络模型，输出结果为 所述基于因果关系优化GTN注意力机制中，若日志序列节点发生系列因果传递关系，异常日志发生概率增大，需要采用GTN注意力机制；日志序列节点Ei特征内容因果关联性分析：pi，j表示因果关系i→j，若发生直接因果关系，pi，j＝1，否则pi，j＝0i≠j；pi，j＝0i＝j；若因果关系存在传递一个中间节点k，即i→k→j，pi，j＝0.5，依此类推；所述基于因果关系优化GTN注意力机制中，为输入节点特征矩阵，n为节点数，Fn为节点特征维数，p为节点对因果关系特征矩阵，Fp为节点因果特征维数；在每一层，通过使用学习的注意力权重，计算加权平均值更新节点特征；设表示l层节点特征；Fm模型特征数量，h0＝WXT为线性变换特征输入，计算出节点i到节点j注意力得分值注意力概率值计算出节点特征的加权平均值，节点输出特征为节点特征和路径特征的函数，则有 6利用误差损失函数估算训练参数值与实际参数值误差，返回迭代。

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远图技术股份有限公司，其通讯地址为：310000 浙江省杭州市西湖区西园八路2号5幢1楼；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”。