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！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于多模态图注意力模型的NFT推荐方法，优化现有模型中用户和NFT交互数据稀疏的问题，充分结合了图像、描述文本、交易数据等信息来提取用户和NFT的特征，训练注意力网络模型，得到推荐结果，包括如下步骤：首先获取NFT图像数据、文本数据、价格数据、交易数据，经过各个数据模态下的特征提取得到用户和NFT各自的初始嵌入向量，然后构建图模型以获取用户和NFT的高阶关系，结合门控机制和注意力机制得到最终的用户向量和NFT向量，二者内积即可得到用户于给定NFT的偏好值，从高到低排序得到推荐结果。

主权项：1.一种基于多模态图注意力模型的NFT推荐方法，其特征在于，首先获取NFT图像数据、文本数据、价格数据、交易数据，经过各个数据模态下的特征提取得到用户和NFT各自的初始嵌入向量，然后构建图模型以获取用户和NFT的高阶关系，结合门控机制和注意力机制得到最终的用户向量和NFT向量，二者内积即可得到用户于给定NFT的偏好值，从高到低排序得到推荐结果；包含以下步骤：步骤S1：获取NFT数据集，数据集包括NFT图像数据、交易数据、价格数据和NFT描述文本数据，对数据进行预处理；步骤S2：构建卷积神经网络模型，对步骤S1中获取的NFT图像数据进行特征提取，得到图像模态下NFT的特征表示；步骤S3：构建词嵌入模型，对步骤S1中获取的NFT描述文本数据进行特征提取，得到文本模态下NFT的特征表示；步骤S4：构建神经网络模型，对步骤S1中获取的价格数据和交易数据进行处理，提取得到交易模态下用户和NFT的特征表示；步骤S5：利用步骤1中获取的交易数据构建用户和NFT的交互行为矩阵，利用步骤S2、S3中获取的NFT特征向量以及步骤S4获取的交易模态下用户和NFT的特征向量，结合门控机制和注意力机制，定义交互图中节点的聚合公式；步骤S6：信息聚合，使用邻居节点来更新特定节点的值，将不同模态下的节点表示聚合在一起，然后获取含有高阶连通性信息的向量表示，并组合成最终的节点向量。步骤S7：根据步骤S6获得的用户和NFT的向量表示，将两者进行内积运算，以预测匹配得分，按照匹配得分倒序排序，即可得到特定用户的NFT推荐序列；步骤S8：构建损失函数，使用AdamW优化器对模型进行训练。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于多模态图注意力模型的NFT推荐方法