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！

龙图腾网获悉新疆大学申请的专利基于多关系的图卷积协同过滤推荐方法、系统和设备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：CN116541612B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310470329.3，技术领域涉及：G06F16/9536；该发明授权基于多关系的图卷积协同过滤推荐方法、系统和设备是由秦继伟;马超设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本基于多关系的图卷积协同过滤推荐方法、系统和设备在说明书摘要公布了：本发明涉及一种基于多关系的图卷积协同过滤推荐方法和系统。该方法使用图卷积网络获取用户和项目卷积后的嵌入向量和使用注意力网络为每个图卷积层获得的用户和项目的嵌入向量和分配不同权重αl和βl，并利用这些权重得到用户和项目之间的隐式关系au和ai；分析用户‑项目的历史交互数据，分别为用户和项目建立用户‑用户图和项目‑项目图来获取它们之间的显式关系lu和li；将用户和项目的隐式关系au、ai与显式关系lu、li整合，获得用户和项目的特征表示eu和ei，通过内积运算得到目标用户对目标项目的评分，预测用户对项目的偏好。本发明通过注意力网络为每层图卷积网络分配不同的权重，得到用户和项目的最优特征表示，使得模型能够更好地对用户偏好进行建模，提高推荐效果。

本发明授权基于多关系的图卷积协同过滤推荐方法、系统和设备在权利要求书中公布了：1.一种基于多关系的图卷积协同过滤推荐方法，其特征在于包括以下步骤： S1、通过one-hot编码获取用户u和项目i的初始嵌入向量 S2、使用图卷积网络在用户-项目二部图上卷积，获取用户和项目经l层卷积后的嵌入向量和 S3、使用注意力网络为每个图卷积层获得的用户和项目的嵌入向量和分配不同权重αl和βl，并利用这些权重得到用户和项目之间的隐式关系au和ai； 具体过程为： 引入注意力机制为每个图卷积层获得的用户和项目的嵌入向量和分配不同的权重αl和βl，并利用这些权重得到用户和项目之间的隐式关系au和ai： 其中αl和βl分别表示第l层用户和项目的特征贡献的注意力权重； S4、分析用户-项目的历史交互数据，分别为用户和项目建立用户-用户图和项目-项目图来获取它们之间的显式关系lu和li； 具体过程为： S4.1、分析用户的历史行为记录，利用如下相似度计算公式找出与用户x兴趣最相似的k个用户y： 其中，Ni代表喜欢项目i的数量，Nx代表用户x喜欢的项目的数量，Ny代表用户y喜欢的项目的数量，Cxy代表用户x和用户y的相似度； S4.2、将求得相似度最近的k个用户构成用户相似度矩阵，即用户-用户图，并将它输入到线性层中得到用户之间的显式关系lu；S4.3、分析用户的历史行为记录，利用如下相似度计算公式找出与项目u最相似的k个项目v： 其中，|Nu|代表喜欢项目u的数量，|Nv|代表喜欢项目v的数量； S4.4、将求得的相似度最相近的k个项目构成项目相似度矩阵，即项目-项目图，然后进行归一化处理得到最终的项目相似度矩阵C'uv： 将它输入到线性层中得到项目之间的显式关系li； S5、将S3获得的用户和项目的隐式关系au、ai与S4获得的用户和项目的显式关系lu、li分别整合到一起获得用户和项目的特征表示eu和ei； 具体过程为：将S3获得的用户和项目的隐式关系au、ai与S4获得的用户和项目的显式关系lu、li按元素求和的方式获得用户和项目的特征表示eu和ei： eu＝au+lu， ei＝ai+li； S6、利用S5获得的用户和项目的特征表示eu和ei，通过内积运算得到目标用户对目标项目的评分，从而预测用户对项目的偏好。

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新疆大学，其通讯地址为：830046 新疆维吾尔自治区乌鲁木齐市天山区胜利路666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”。