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！

龍圖騰網獲悉西安電子科技大學申請的專利一種本地二部圖的去中心聯邦圖神經網絡推薦方法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：CN116796059B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202310370622.2，技術領域涉及：G06F16/9535；該發明授權一種本地二部圖的去中心聯邦圖神經網絡推薦方法是由王子龍;董卓欣;陳謙;王鴻波;柴政;閆夢晴設計研發完成，并于2023-04-07向國家知識產權局提交的專利申請。

本一種本地二部圖的去中心聯邦圖神經網絡推薦方法在說明書摘要公布了：本發明提出一種本地二部圖的去中心聯邦圖神經網絡推薦方法，實現步驟為：構建去中心聯邦推薦系統；基于通信距離對客戶端進行分簇；構造每個簇內客戶端的本地二部圖；獲取訓練數據集和測試數據集；客戶端初始化本地聯邦推薦模型，并對其進行迭代訓練；獲取用戶對物品的推薦結果。本發明客戶端協商簇頭以及全局聚合節點負責簇內與簇間模型參數聚合，一旦簇頭或全局聚合節點掉線可重新選舉，防止模型訓練失??；客戶端之間實現隱私保護求交方法，獲取與簇內客戶端的物品交集集合，在原有的左側為客戶端頂點右側為該客戶端交互的物品頂點的連線圖上，添加左側為簇內客戶端頂點右側為物品交集頂點的連線，使本地二部圖更加稠密，獲取推薦準確率更高。

本發明授權一種本地二部圖的去中心聯邦圖神經網絡推薦方法在權利要求書中公布了：1.一種本地二部圖的去中心聯邦圖神經網絡推薦方法，其特征在于，包括如下步驟： 1構建去中心聯邦推薦系統： 構建包括M個客戶端和N個待評分物品的去中心聯邦推薦系統，每個客戶端um持有Zm個待評分物品及對應標簽其中，M≥100，um表示第m個客戶端，N≥100，tn表示第n個待評分物品，Zm≥50，tm,z表示um的第z個待評分物品，ym,z表示tm,z對應的標簽； 2基于通信距離對客戶端進行分簇： 基于通信距離將M個客戶端分為S個簇每個簇內的Is個客戶端協商選舉簇頭節點τs，S個簇的簇頭節點協商選舉全局聚合節點τ；其中，S≥5，表示第s個簇，Is表示中包含的客戶端的總數，Is≥10，cs,i表示中的第i個客戶端； 3構造每個簇內客戶端的本地二部圖： 對每個簇內的每兩個客戶端cs,i、cs,j持有的待評分物品集合 進行隱私保護求交，得到客戶端cs,i與cs,j的共有物品交集并構造以每個簇內的每個客戶端cs,i、cs,i持有的Zm個待評分物品ts,i,z分別為左側頂點、右側頂點，以cs,i與ts,i,z的連線和以cs,j與中每個物品的連線為邊的cs,i的本地二部圖Gs,i； 4獲取訓練數據集和測試數據集： 每個客戶端cs,i獲取包含客戶端cs,i的ID、評分物品ts,i,z的ID、ts,i,z的標簽ys,i,z以及本地二部圖Gs,i作為cs,i的Zs,i條評分數據，然后將所有評分數據中的半數以上組成訓練數據集將剩余評分數據組成測試數據集 5客戶端初始化本地聯邦推薦模型Ws,i，并對其進行迭代訓練： 5a每個客戶端cs,i初始化包括順次連接嵌入層、K個層疊的輕量級圖卷積層LGC、合并層以及F個層疊的全連接層的本地聯邦推薦模型Ws,i，簇間的聚合輪次為l，最大簇間聚合輪次為L，L≥15，簇內聚合輪次為α，最大簇內聚合輪次為P，P≥5，第l次簇間聚合第α次簇內聚合的本地聯邦推薦模型的模型參數為并令l＝0； 5b令α＝0； 5c將訓練數據集中有放回地隨機選取B個訓練數據作為每個客戶端cs,i本地聯邦推薦模型Ws,i的輸入，嵌入層將客戶端cs,i的ID、評分物品ts,i,z的ID轉化為d維的用戶嵌入向量物品嵌入向量K個LGC層基于本地二部圖Gs,i對與進行卷積聚合；合并層對卷積聚合后的用戶嵌入向量與物品嵌入向量進行特征融合；F個層疊的全連接層根據特征融合的嵌入向量對客戶端us,i對物品ts,i,b的進行評分預測，得到預測評分 5d使用預測評分標簽及其對應的真實評分標簽ys,i,b計算本地推薦模型的MSE損失值并使用隨機梯度下降算法，通過對模型參數進行更新，得到第l次簇間聚合中第α次簇內訓練的模型參數并上傳至簇頭τs； 5e簇頭τs對模型參數進行聚合得到模型參數分發至簇內客戶端cs,i，并判斷α＝P是否成立，若是，得到簇內第l次簇間聚合第P次簇內聚合的聯邦推薦模型Ws l,P的模型參數簇頭τs將聚合的模型參數上傳至全局聚合節點τ后，簇內用戶cs,i與cs,j互相傳輸用戶嵌入向量與并執行步驟5f，否則，令α＝α+1，執行步驟5c； 5f全局聚合節點τ對模型參數進行聚合，并將聚合模型參數ωl分發至每個客戶端cs,i后，得到全局的第l次簇間聚合的聯邦推薦模型Wl的模型參數ωl，判斷l＝L是否成立,若是，得到訓練好的聯邦推薦模型Wl，否則l＝l+1，執行步驟5b； 6獲取用戶對物品的推薦結果： 將測試數據集作為訓練好的本地推薦模型的輸入進行前向傳播，得到測試數據集中客戶端us,i對物品ts,i,o的預測評分

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西安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。