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！

龙图腾网获悉中国矿业大学申请的专利一种基于高阶相似性去噪的图协同过滤推荐方法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：CN119691288B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411743908.1，技术领域涉及：G06F16/9536；该发明授权一种基于高阶相似性去噪的图协同过滤推荐方法是由李璇;李超;丁世飞设计研发完成，并于2024-11-30向国家知识产权局提交的专利申请。

本一种基于高阶相似性去噪的图协同过滤推荐方法在说明书摘要公布了：本发明提供了一种基于高阶相似性去噪的图协同过滤推荐方法，包括以下步骤：获取用户与物品的交互历史数据并进行预处理；构造用户‑物品交互二分图，估计图中的二阶相似性并进行邻域去噪；为所有用户和物品构建初始的特征向量并初始化；采用交替图卷积网络进行推荐主任务模型构建；构造自监督辅助任务，实现基于二阶相似性的邻域保持；将推荐主任务和自监督学习辅助任务结合，确定统一的优化目标，采用多任务学习训练得到用户和物品的特征向量；根据学到的特征向量，预测目标用户对未交互物品的评分，排序获取物品推荐列表。本发明通过基于相似性去噪的交替图卷积和自监督邻域保持，实现了鲁棒图协同过滤，降低了现有推荐方法对噪声数据的敏感性。

本发明授权一种基于高阶相似性去噪的图协同过滤推荐方法在权利要求书中公布了：1.一种基于高阶相似性去噪的图协同过滤推荐方法，其特征在于，包括以下步骤： 步骤一：数据预处理； 通过数据处理设备获取用户与物品的海量交互历史数据，并利用数据处理设备对交互历史数据进行预处理，得到用户-物品交互矩阵； 步骤二：相似性去噪； 构造用户-物品交互二分图，基于二分图进行二阶相似性估计，在此基础上进行邻域去噪处理，得到最终的二阶相似性； 步骤三：特征向量初始化； 为所有用户和物品构建初始的特征向量并进行初始化； 步骤四：推荐主任务模型构建； 采用交替图卷积网络得到用户和物品的最终特征向量，并在此基础上定义推荐损失； 采用交替图卷积网络得到用户和物品的最终特征向量的过程如下： S41：交替传播； S411：在奇数层，基于一阶相似性进行异质邻域聚合，聚合与目标节点具有相同类型的一跳邻居，分别根据公式11和12得到奇数层用户特征向量和物品特征向量 式中，表示用户节点u与物品节点i的一阶相似性，表示物品节点i与用户节点u的一阶相似性，和分别表示用户u和物品i的一跳邻居； S412：在偶数层，基于二阶相似性进行同质邻域聚合，聚合与目标节点具有相同类型的二跳邻居，分别根据公式13和14得到偶数层用户特征向量和物品特征向量 式中，表示用户节点u与用户节点v的二阶相似性，表示物品节点i与物品节点j的二阶相似性，和分别表示用户u和物品i的二跳邻居； S413：根据公式15得到交替传播后的用户或物品在第l层的特征矩阵El； 式中，即k取自然数； S42：多层聚合； 采用公式16中的聚合策略，将每一层得到的特征向量进行加权叠加，分别获得用户的最终特征向量eu和物品的最终特征向量ei，从而得到用户或物品的最终表征矩阵E； 式中，αl取1L+1，L表示传播总层数； 步骤五：自监督辅助任务构造； 定义自监督损失，实现基于二阶相似性的邻域保持； 步骤六：多任务学习； 将推荐主任务和自监督学习辅助任务结合，确定统一的优化目标函数，采用多任务学习训练得到用户和物品的特征向量； 步骤七：目标用户推荐； 根据得到的用户和物品的特征向量，预测每位目标用户对未交互物品的评分，排序获取物品推荐列表。

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中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路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”。

以上内容由龙图腾AI智能生成。