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！

龙图腾网恭喜中国科学技术大学申请的专利一种基于多种重复行为的直播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：CN119562128B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202510126564.8，技术领域涉及：H04N21/466；该发明授权一种基于多种重复行为的直播推荐方法是由朱孟潇;舒奇;张起龙;何忻芸设计研发完成，并于2025-01-27向国家知识产权局提交的专利申请。

本一种基于多种重复行为的直播推荐方法在说明书摘要公布了：本发明公开了一种基于多种重复行为的直播推荐方法，首先构建基于多种重复行为的直播推荐模型，收集用户在直播场景中的行为数据，基于收集的行为数据构建三个二分图，分别表示用户进入直播间的行为、聊天行为和赠送礼物行为；基于图神经网络的多行为建模，利用改进的图注意力网络学习用户与直播间之间的重复互动关系；通过嵌入融合策略整合不同行为产生的用户和直播间表示；采用多任务学习框架对所述直播推荐模型进行训练和预测，根据模型预测结果生成直播推荐列表。上述方法能够解决现有技术中对直播场景用户多种行为建模不足、重复行为利用有限以及推荐效果不佳等问题，能够全面刻画用户偏好并提高直播间推荐的准确性和用户体验。

本发明授权一种基于多种重复行为的直播推荐方法在权利要求书中公布了：1.一种基于多种重复行为的直播推荐方法，其特征在于，所述方法包括：步骤1、首先构建基于多种重复行为的直播推荐模型，收集用户在直播场景中的行为数据，在步骤1中，根据时间顺序将收集到的用户行为数据分为训练集、验证集和测试集；在训练集中，每个样本由一个用户ID、一个直播间ID和一个权重组成，其中权重表示重复交互的次数；然后基于收集的行为数据构建三个二分图如下：进入行为图：节点为用户和直播间，边的权重表示用户进入该直播间的次数；聊天行为图：节点为用户和直播间，边的权重为用户在该直播间发送的消息数；送礼行为图：节点为用户和直播间，边的权重为用户在该直播间赠送虚拟礼物的次数；步骤2、基于图神经网络的多行为建模，利用改进的图注意力网络学习用户与直播间之间的重复互动关系；所述步骤2的过程具体为：首先进行行为嵌入的初始化，设和分别为用户和直播间集合，其中n和m分别是用户和直播间的数量；按照以下方式为用户和直播间集合中的每个节点建立嵌入查找表： 其中，为所有用户和直播间的嵌入矩阵；d代表潜在特征的维度；和分别代表用户和直播间的初始化嵌入；针对三种行为图，分别应用改进的图注意力网络进行特征提取，学习用户和直播间之间的重复互动关系，具体过程为：计算节点i对节点j的归一化注意力系数αij： 其中，是可训练的参数；d′是嵌入维度；LeakyReLU是激活函数；wi，j是节点i和节点j之间的边权重；WA是应用于拼接向量的线性变换的权重矩阵；[ei||ej]表示对节点i和节点j的两个向量连接；[ei||ek]表示对节点i和节点k的两个向量连接；表示节点i的一阶邻居；wi,k是节点i和节点k之间的边权重；计算输出特征表示e′i： 式中为第q个注意机制计算得到的归一化注意系数；Wq为相应输入线性变换的权值矩阵；σ·是激活函数；Q表示独立的注意力机制数量；通过堆叠l个注意力嵌入传播层，节点接收从其l跳邻居传播的消息，改进的图注意力网络在行为b的重复交互图上进行高阶嵌入传播，表示为： 其中，Eb，l表示节点在第l层传播后，行为b下节点的更新嵌入；第0层的嵌入矩阵，即节点的初始嵌入状态A是交互图的邻接矩阵，I表示单位矩阵，D是对角矩阵，其中第m个对角元素Wb，l-1是行为b下第l-1层的可训练权重矩阵；对于节点i，在行为b的重复交互图中经过L层传播后，获得它的多层表示，即将它们连接起来构成节点i在行为b的最终嵌入 步骤3、通过嵌入融合策略整合不同行为产生的用户和直播间表示；在步骤3中，首先获取行为嵌入，设计基于连接的方法将不同行为产生的用户和直播间表示进行融合，在建模多行为重复交互之后，每个节点都有三个来自其所属交互图的嵌入，它们分别代表在不同行为下学到的特征表示，对于节点i，得到它的三个嵌入向量它们分别来自于进入行为、聊天行为和送礼行为；通过加权求和的方式融合多种重复行为的表征为： 其中， tanh·是激活函数；Wb和p是可训练的参数；步骤4、采用多任务学习框架对所述直播推荐模型进行训练和预测，根据模型预测结果生成直播推荐列表。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。