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！

龙图腾网获悉重庆理工大学申请的专利基于图生成扩散模型的硬负采样对比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：CN119474545B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411663417.6，技术领域涉及：G06F16/9535；该发明授权基于图生成扩散模型的硬负采样对比推荐方法是由刘小洋;文癸凌设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本基于图生成扩散模型的硬负采样对比推荐方法在说明书摘要公布了：本发明提出了一种基于图生成扩散模型的硬负采样对比推荐方法，包括以下步骤：通过图卷积神经网络将用户‑物品交互图编码，得到节点嵌入向量，然后对节点嵌入向量进行内积，得到推荐概率；所述图卷积神经网络的模型参数通过以下训练得到：S1，将所述节点嵌入向量分别通过内联扩散模型视图生成器、参数拓扑降噪视图生成器生成对比视图1和对比视图2；所述内联扩散模型视图生成器包括内联扩散模型，所述参数拓扑降噪视图生成器包括参数拓扑降噪网络；S2，将对比视图1和对比视图2进行对比学习。本发明结合信号对齐策略，搭建了一个双视图生成器对比学习框架，旨在改善模型生成能力不足和数据噪声影响大的问题，从而提升推荐系统的性能。

本发明授权基于图生成扩散模型的硬负采样对比推荐方法在权利要求书中公布了：1.一种基于图生成扩散模型的硬负采样对比推荐方法，其特征在于，包括以下步骤： 构建了一个用户-物品交互图，其中用户和物品作为节点，它们之间的交互作为边；然后，通过图卷积神经网络将用户-物品交互图编码，得到用户和物品节点嵌入向量，然后对用户和物品节点嵌入向量进行内积，得到推荐概率；最后，将前N个推荐概率最高的物品推荐给用户； 所述图卷积神经网络的模型参数通过以下训练得到： S1，将所述节点嵌入向量分别通过内联扩散模型视图生成器、参数拓扑降噪视图生成器生成对比视图1和对比视图2；所述内联扩散模型视图生成器包括内联扩散模型，所述参数拓扑降噪视图生成器包括参数拓扑降噪网络； S2，将对比视图1和对比视图2进行对比学习； 采用硬负样本采样的对比监督损失优化损失函数训练模型： 首先，计算硬负样本对s,s-的概率分布，从而获得ei： 其中，qs,s-表示硬负样本对s,s-的概率分布； 表示根据类别分布ρ选择类别c的期望值； Dcs-|Hs,ei,τ表示类别c中，通过给定的样本s、ei、τ下经硬采样策略计算得到的负样本的概率分布； s-表示负样本； ei表示对应样本的嵌入表示； τ表示相似度阈值； Hs,ei,τ表示硬负样本的集合； 然后，根据对应样本的嵌入表示ei计算特征空间相似性： 其中，hs,s+表示正样本的特征空间相似性； eΤ为e的转置； e为所有样本的嵌入表示； e+为所有正样本的特征嵌入表示； 表示单个负样本的特征空间相似性； 为ei的转置； 表示单个负样本的特征嵌入表示； Υ表示第一温度系数，当相似性大于阈值即：hs,si-＞τ，而两个样本又不属于同一个概率分布，则该两个样本被定义为硬负样本； 最后，得到基于硬负样本的对比损失函数： 其中，表示硬负样本对比损失函数； 表示按照分布p取正样本对的数学期望和负样本对的数学期望； k表示负样本的个数； 表示样本与负样本的相似度； 表示样本与正样本的相似度。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。