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！

龙图腾网恭喜南京大学申请的专利一种基于图的混合消息传递机制的协同过滤信息推荐系统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：CN114461922B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202111578314.6，技术领域涉及：G06F16/9536；该发明授权一种基于图的混合消息传递机制的协同过滤信息推荐系统是由杨若瑜;刘科翰设计研发完成，并于2021-12-22向国家知识产权局提交的专利申请。

本一种基于图的混合消息传递机制的协同过滤信息推荐系统在说明书摘要公布了：本发明提供了一种基于图的混合消息传递机制的协同过滤信息推荐系统，本发明系统通过解耦异构对象的显式消息传递机制，将用户‑项目信息二部异质图解耦为用户、项目信息两个同质图，同时与补充的隐式消息传递方法相结合，形成一种关于用户‑项目信息二部异质图的混合消息传递机制，改进了未解耦用户‑项目信息表示的单一图卷积消息传递机制，利用该机制优化图神经网络协同过滤算法训练过程中每个节点的低维向量表示的学习过程，改善了信息推荐结果的召回率recall、归一化折损累计增益NDCG等指标。

本发明授权一种基于图的混合消息传递机制的协同过滤信息推荐系统在权利要求书中公布了：1.一种基于图的混合消息传递机制的协同过滤信息推荐系统，其特征在于，包括数据预处理模块、混合消息传递机制的图神经协同过滤模块，用户与项目信息匹配评分预测模块；所述系统执行如下步骤：步骤1，从数据库中提取待推荐的用户与项目信息数据，通过数据预处理模块进行数据处理，得到用户与项目信息交互的邻接矩阵、初始的用户的向量表示矩阵与项目信息的向量表示矩阵，然后将得到的数据信息传入混合消息传递机制的图神经协同过滤模块；步骤2，混合消息传递机制的图神经协同过滤模块建立解耦异构对象的显式消息传递机制；步骤3，混合消息传递机制的图神经协同过滤模块建立逼近收敛表示的隐式消息传递机制；步骤4，将步骤2和步骤3建立的机制混合，得到图的混合消息传递机制下的协同过滤信息推荐模型，该模型作为混合消息传递机制的图神经协同过滤模块处理输入的信息，得到关于用户的新的向量表示矩阵和关于项目信息的新的向量表示矩阵；步骤5，将步骤4得到的关于用户的新的向量表示矩阵和关于项目信息的新的向量表示矩阵传入用户与项目信息匹配评分预测模块，计算每一名用户与每一条项目信息的匹配得分，最后将与每位用户匹配得分最高的前k个项目信息作为候选项推荐给用户；步骤1中，所述用户与项目信息数据是数据库中的历史信息，数据预处理模块将过滤掉历史交互项目信息总量小于阈值的用户，再构建用户与项目信息交互的邻接矩阵A，数据预处理模块将采用Xavier初始化方法初始化用户的向量表示矩阵EU与项目信息的向量表示矩阵EI，EI、EU每一行的向量维度为dim，EU矩阵行数等于用户数、EI行数等于项目信息数： 在公式1中，R是用户与项目信息的交互矩阵，交互矩阵的大小为NU×NI，其中NU表示用户的数量，NI表示项目信息的数量，如果是用户u和项目信息i存在交互，则R矩阵的第u行第i列的元素Rui的值为1，否则为0；RT是R的转置矩阵，0是元素全为0的零矩阵，整个邻接矩阵A的大小为NU+NI×NU+NI，并且是无自环的，R矩阵唯一对应于一个用户与项目信息交互图G；步骤2包括：图协同过滤中的图卷积层与聚合层定义如下： 公式2表示图卷积运算，在公式2中，D为邻接矩阵A的度矩阵，用于正则化邻接矩阵用于图卷积的运算，En为代表第n层用户和项目信息的低维度向量表示矩阵，E0是第0层用户和项目信息表示矩阵，表示向量拼接操作；公式3表示图聚合运算，E为最终的用户和项目信息的低维度向量表示矩阵，l表示图卷积迭代次数；在使用无自环的邻接矩阵时，信息传递定义如下： 在公式4、公式5中，分别是节点u在n+1轮迭代得到的节点表示、节点i在n+1轮迭代得到的节点表示；Nu、Ni分别表示用户节点u的一跳邻域、项目信息节点i节点的一跳邻域；du、dt、di、dv分别表示的是节点u、t、i、v在用户与项目信息交互图G中的度；以用户为源节点解耦的显式消息传递过程定义如下： 其中是经正则化后的邻接矩阵，表示用户源节点的初始表示；按公式7计算得到解耦后的用户跳与项目信息跳的初始表示分别为 分别表示第n+1次迭代后得到的用户跳表示和项目信息跳表示，是第0层的向量表示，由经过数据预处理模块初始化的用户的向量表示矩阵EU进行初始化。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号南京大学；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”。