買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜重慶大學申請的專利基于注意力機制的用戶真實興趣感知圖增強推薦系統及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116501954B 。

龍圖騰網通過國家知識產權局官網在2025-05-06發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310286423.3，技術領域涉及：G06F16/9535；該發明授權基于注意力機制的用戶真實興趣感知圖增強推薦系統及介質是由楊正益;郭向星;文俊浩;周魏;楊佳佳;張青青設計研發完成，并于2023-03-22向國家知識產權局提交的專利申請。

本基于注意力機制的用戶真實興趣感知圖增強推薦系統及介質在說明書摘要公布了：本發明公開基于注意力機制的用戶真實興趣感知圖增強推薦系統及介質，系統包括基于真實興趣感知的圖增強模塊、圖對比學習模塊、和個性化推薦模塊；介質存儲有計算機程序。本發明對用戶真實興趣的提取，通過圖對比學習和用戶的社交關系增強用戶的表示，進而提升推薦算法的準確度。

本發明授權基于注意力機制的用戶真實興趣感知圖增強推薦系統及介質在權利要求書中公布了：1.基于注意力機制的用戶真實興趣感知圖增強推薦系統，其特征在于：包括基于真實興趣感知的圖增強模塊、圖對比學習模塊、和個性化推薦模塊；所述基于真實興趣感知的圖增強模塊提取所有用戶的真實興趣，并生成原始用戶-物品交互圖；所述基于真實興趣感知的圖增強模塊計算每個用戶對所有物品的注意力分數，建立注意力分數矩陣，并生成增強用戶-物品交互圖；所述基于真實興趣感知的圖增強模塊將原始用戶-物品交互圖、增強用戶-物品交互圖傳輸至圖對比學習模塊；所述圖對比學習模塊存儲有多層圖卷積神經網絡；每層圖卷積神經網絡中的一個節點表示一個用戶或者物品；所述圖對比學習模塊計算節點在原始用戶-物品交互圖、增強用戶-物品交互圖上聚合更新后的向量表示之間的相似度，賦予節點標簽，并利用損失函數對節點的向量表示進行訓練，得到訓練好的的節點向量表示；所述個性化推薦模塊利用多層圖卷積神經網絡對原始用戶-物品交互圖進行處理，從而生成對用戶u的個性化推薦內容；注意力分數矩陣W如下所示： 其中，用戶u對物品v的注意力分數weightsuv如下所示：xuv＝aeu,ev2 式中，xuv為中間參量；n為物品數量；aeu,ev為用戶向量表示eu、物品向量表示ev之間的相似度；u＝1,2，…m；v＝1,2，…，n；h＝1,2，…，n；生成增強用戶-物品交互圖的步驟包括：S1對注意力分數和預設注意力閾值T進行比較，將小于預設注意力閾值的注意力分數設置為0，建立更新后的注意力分數矩陣W′；其中，用戶u對物品v的注意力分數更新如下： 式中，weights′uv為更新后的注意力分數；S2將原始用戶物品交互矩陣與注意力分數矩陣W′進行哈達瑪積運算，得到基于用戶真實興趣感知的增強用戶-物品交互圖；所述個性化推薦模塊生成對用戶u的個性化推薦內容的步驟包括：1將用戶向量表示和物品向量表示在原始的用戶-物品交互圖上進行聚合和更新，得到： 式中，k≥0表示第k層圖卷積操作；Nu表示與用戶u交互的物品集；Nv表示與物品v交互的用戶集；為聚合更新后的用戶向量表示；為聚合更新后的物品向量表示；2將每一層圖卷積操作得到的向量表示結合，得到用戶和物品最終的向量表示，即： 式中，K表示總的層數，表示每一層向量表示的重要性；eu為用戶u的最終向量表示；ev用戶u的最終向量表示物品v的最終向量表示；3對用戶u的最終向量表示eu和物品v的最終向量表示ev進行內積操作，得到用戶u對物品v的偏好分數；4重復步驟1至步驟3，獲得用戶u對物品集合V中每一個物品的偏好分數；5根據偏好分數對物品集合V中的物品進行降序排列，提取前Top-k個物品作為對用戶u的個性化推薦內容；Top-k為大于0的正整數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人重慶大學，其通訊地址為：400044 重慶市沙坪壩區沙正街174號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。