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！

龙图腾网获悉广东工业大学申请的专利一种基于图对比学习的多样化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：CN118606552B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202410709325.0，技术领域涉及：G06F16/9535；该发明授权一种基于图对比学习的多样化推荐方法是由周锦灏;邵长城;陈平华设计研发完成，并于2024-06-03向国家知识产权局提交的专利申请。

本一种基于图对比学习的多样化推荐方法在说明书摘要公布了：现如今，图计算尤其是图神经网络等技术获得了快速的发展以及广泛的应用。随着研究人员对推荐系统的不断研究，他们不满足于追求推荐系统的准确性，开始在其他方向研究推荐系统。推荐系统的多样性研究逐渐丰富起来。本发明提出了一种基于图对比学习的多样化推荐方法，通过对图卷积神经网络GCN进行改造，利用图对比学习的方法进行多样化的推荐。具体来说本专利将GCN邻居聚合阶段应用基于最大熵的邻居选择模块，选择多样化的邻居子集聚合；设计层注意力模块利用高阶邻居信息缓解过平滑问题；利用类平衡损失函数实现长尾物品的学习；设计图对比学习方法缓解数据稀疏等问题。

本发明授权一种基于图对比学习的多样化推荐方法在权利要求书中公布了：1.一种基于图对比学习的多样化推荐方法，其特征在于包含以下步骤： S1：多样化图卷积网络； 步骤S1中的具体步骤为： S11:分别为用户u和项目i生成大小为Rd的嵌入向量eu和ei，定义嵌入矩阵Eu∈R|U|×d和Ei∈R|I|×d分别表示用户和项目的嵌入；使用LightGCN中使用的简化图卷积网络； S12:改写信息熵用于推荐系统； S13:对于每个用户或项目，模型通过L层GNN层可以得到L组嵌入向量；层注意力旨在通过学习[e1,e2,...,eL]的Readout函数得到最终的节点嵌入向量；用户u和项目i的最终嵌入之间的内积用于预测用户对项目的偏好； S2：视图生成器； 步骤S2中的具体步骤为： S21:根据现有的自监督协同过滤范式，使用节点自我区分来生成正对和负对；将处在不同视图的同一节点视为正对eu',eu"|u∈U，处在不同视图的不同节点视为负对eu',ev"|u,v∈U,u≠v；对比损失函数能最大化正对的一致性，同时最小化负对的一致性； S22:使用用户-项目交互图上随机丢弃边的视图生成方法；边随机失活是指图中的边将按概率ρ丢弃； S23:采用变分图自动编码器VGAE作为生成模型，它将变分自动编码器的概念与图生成相结合；模型使用多层多样化GCN作为编码器来获得图嵌入；利用两个MLP分别拟合图嵌入的均值和标准差；使用另一个MLP作为解码器，将输入的均值和带高斯噪声的标准差进行解码，生成新的图； S3：损失重新加权； 步骤S3中的具体步骤为： S31：模型在训练过程中根据样本的类别对样本损失进行重新加权；若项目属于流行类别，模型将会相对降低其权重；若项目属于长尾类别，模型将会相对提高其权重； S4：模型训练； S41：步骤S4中的具体步骤为：得到eu和ei之后，通过计算两个向量的点积得到用户u和项目i的相关分数；对于每一个正样本对u,i，随机抽取一个负样本对u,j来计算贝叶斯个性化损失。

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广东工业大学，其通讯地址为：510062 广东省广州市东风东路729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。