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！

龙图腾网恭喜北京建筑大学申请的专利基于标签稀疏异构图的异常商品检测模型构建方法及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：CN118885938B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202410924459.4，技术领域涉及：G06F18/2433；该发明授权基于标签稀疏异构图的异常商品检测模型构建方法及系统是由尹丹;房思航;郭茂祖;田乐设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本基于标签稀疏异构图的异常商品检测模型构建方法及系统在说明书摘要公布了：本说明书实施例提供了一种基于标签稀疏异构图的异常商品检测模型构建方法及系统，其中，方法包括：获取购物网站相关数据，根据购物网站相关数据构建标签稀疏异构图，对标签稀疏异构图进行预处理，得到更新异构图；将更新异构图划分为训练集和验证集，将训练集输入至改进后的关系图卷积网络模型RGCN中进行训练，得到训练好的异常商品检测模型，并使用验证集对训练好的异常商品检测模型进行验证，得到最终的异常商品检测模型。本发明实施例提出的异常商品检测模型能够在标签稀疏的图结构中识别出潜在的异常商品，并根据商品之间的关系和商品本身的特征有效识别出虚假或违法商品，从而更有效地保护消费者的利益，维护在线购物平台的健康生态。

本发明授权基于标签稀疏异构图的异常商品检测模型构建方法及系统在权利要求书中公布了：1.一种基于标签稀疏异构图的异常商品检测模型构建方法，其特征在于，包括：获取购物网站相关数据，根据所述购物网站相关数据构建标签稀疏异构图，对所述标签稀疏异构图进行预处理，得到更新异构图，具体包括：对所述标签稀疏异构图中不同类型的节点基于如公式1所示的采样概率进行不平衡采样，得到采样节点，对所述采样节点的邻居节点采用如公式2所示的欧几里得距离函数进行采样，得到采样后的异构图，并对所述采样后的异构图中的元路径通过公式3进行随机丢弃操作，得到更新异构图； 其中，Pu表示节点u被采样的概率，表示节点u的邻居节点的数量，LFLu表示节点u的标签类型Lu的出现频率，CHu,v表示对目标节点u的邻居节点v进行采样后的邻居节点的集合，0表示节点未被采样，1表示节点被采样，是节点u的邻居节点，Du,v表示节点u与其邻居节点v之间的欧几里得距离，Δ表示对属于少数类和多数类的节点采用的不同的距离阈值，表示随机丢弃元路径后的不平衡异构图，M表示在图中对元路径执行随机丢弃操作的随机丢弃向量，⊙表示Hadamard乘积；将所述更新异构图划分为训练集和验证集，将所述训练集输入至改进后的关系图卷积网络模型RGCN中进行训练，得到训练好的异常商品检测模型，并使用所述验证集对所述训练好的异常商品检测模型进行验证，得到最终的异常商品检测模型，具体包括：将所述训练集输入至改进后的关系图卷积网络模型RGCN中进行掩蔽标签传播，对更新异构图中根节点的标签执行掩蔽操作，并利用公式4计算掩蔽操作后目标节点的邻域标签信息，将所述邻域标签信息添加到目标节点的节点表示中，得到目标节点的嵌入表示，基于所述嵌入表示通过如公式5所示的知识跳跃网络对目标节点的邻域信息进行层聚合，得到目标节点的聚合嵌入表示，并通过损失函数对所述改进后的RGCN进行优化，不断迭代更新直至得到训练好的异常商品检测模型； 其中，lu是节点u的邻域标签信息，是节点u的邻居节点集合，wuv是节点u与其邻居节点v之间的连接强度，δ·是一个指示函数，hui+1表示i层中目标节点u的聚合嵌入表示，hvi表示第i层中邻居节点v的嵌入表示，是关系的集合，表示节点u的邻居节点集合，是关系r在第i层的变换矩阵，是节点自身的变换矩阵，σ是激活函数。

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北京建筑大学，其通讯地址为：100044 北京市西城区展览馆路1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”。