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！

龙图腾网恭喜西北工业大学申请的专利基于自监督图表示学习的生物网络链接预测算法SSL-Bio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：CN116895326B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310675405.4，技术领域涉及：G16B5/00；该发明授权基于自监督图表示学习的生物网络链接预测算法SSL-Bio是由彭佳杰;王静茹设计研发完成，并于2023-06-08向国家知识产权局提交的专利申请。

本基于自监督图表示学习的生物网络链接预测算法SSL-Bio在说明书摘要公布了：本发明提供了一种基于自监督图表示学习的生物网络链接预测算法SSL‑Bio。所提供的生物网络链接预测算法SSL‑Bio基于图卷积神经网络，利用图数据增广的方式为生物网络生成两个不同的视图，并通过设置合适的自监督任务，解决了由于生物网络稀疏、长尾分布、噪声高导致的生物网络链接预测不准确的问题，实现了对多种生物网络的链接预测，提升了预测准确性。

本发明授权基于自监督图表示学习的生物网络链接预测算法SSL-Bio在权利要求书中公布了：1.一种基于自监督图表示学习的生物网络链接预测算法SSL-Bio，其特征在于，所述方法包括以下步骤：获取生物网络其中，表示生物网络中的节点集合；ε表示生物网络中边集合；使用图卷积神经网络生成生物网络中的节点的嵌入表示： 其中，表示节点v的邻居集合，表示节点集合中编号为v的节点的个数；表示节点i的邻居集合，表示节点集合中编号为i的节点的个数；表示节点v的邻居节点i在第l层的嵌入表示；将使用图卷积神经网络生成的嵌入表示进行求和，为节点v生成特征表示hv： 其中，L表示模型中图卷积神经网络的总层数；αl表示节点v在第l层进行特征求和的权重，αl＝1L；表示节点v在第l层卷积神经网络层之后的特征表示；使用内积计算节点v和节点i之间存在边的概率分数 其中，表示节点v的特征表示的转置；hi表示节点i的特征表示；采用贝叶斯个性化排名损失BPR进行模型的优化，损失函数为： 其中，N表示生物网络中节点的个数；表示与节点v存在关系的节点i的模型预测分数；表示与节点i存在关系的节点j的模型预测分数；利用数据增强的方式对获取的生物网络生成两个视图；分别在生成的两个视图中选取节点u、v使用图卷积神经网络编码为ui、vi，ui、vi基于对比学习的自监督损失为： 其中，θ采用余弦相似函数，用以度量两个向量之间的相似度；τ表示对比学习中的可调节的温度参数；k表示视图中不同于i的节点；N表示节点的总个数；计算视图中的所有节点的基于对比学习的自监督损失 基于贝叶斯个性化排名损失和自监督损失进行多任务学习，模型总损失为： 其中，λ1、λ2均为可调节的参数，λ1用于控制自监督损失的损失范围，λ2用于控制L2正则化的范围；W表示模型中所有的可训练参数。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。