公开(公告)号：CN119294610B

公开(公告)日：2025-03-25

申请号：CN202411803536.7

申请日：2024-12-10

Applicant: 南京信息工程大学

Inventor： 韩进 ,  郭战

IPC: G06Q10/04 ,  G06F16/38 ,  G06F18/213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于时序图注意力网络的学术研究主题趋势预测方法，包括：采集多个论文的元数据并对元数据进行预处理；将预处理之后的元数据以关键词作为学术研究主题构造数据集；构建时序图注意力网络模型，并在训练数据集上进行训练和优化模型参数；将测试数据集输入到训练后的时序图注意力网络模型，得到学术研究主题趋势预测的结果。本发明结合多头图注意力机制与时序卷积综合提取学术研究主题的时序特征和关联特征，能够有效克服传统神经网络学术研究主题趋势预测方法无法利用学术研究主题关联特征的局限；本发明能够提高学术研究主题趋势预测的精度，能够应用于期刊论文数据库的学术趋势分析和论文推荐模块。

公开(公告)号：CN119294610A

公开(公告)日：2025-01-10

申请号：CN202411803536.7

申请日：2024-12-10

Applicant: 南京信息工程大学

Inventor： 韩进 ,  郭战

IPC: G06Q10/04 ,  G06F16/38 ,  G06F18/213 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于时序图注意力网络的学术研究主题趋势预测方法，包括：采集多个论文的元数据并对元数据进行预处理；将预处理之后的元数据以关键词作为学术研究主题构造数据集；构建时序图注意力网络模型，并在训练数据集上进行训练和优化模型参数；将测试数据集输入到训练后的时序图注意力网络模型，得到学术研究主题趋势预测的结果。本发明结合多头图注意力机制与时序卷积综合提取学术研究主题的时序特征和关联特征，能够有效克服传统神经网络学术研究主题趋势预测方法无法利用学术研究主题关联特征的局限；本发明能够提高学术研究主题趋势预测的精度，能够应用于期刊论文数据库的学术趋势分析和论文推荐模块。