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！

龍圖騰網獲悉同濟大學申請的專利一種面向推薦系統的基于層級鄰居增強的圖對比學習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：CN119646312B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202411873415.X，技術領域涉及：G06F16/9535；該發明授權一種面向推薦系統的基于層級鄰居增強的圖對比學習方法是由蔣昌俊;閆春鋼;丁志軍;王俊麗;張亞英;魏洪杰設計研發完成，并于2024-12-18向國家知識產權局提交的專利申請。

本一種面向推薦系統的基于層級鄰居增強的圖對比學習方法在說明書摘要公布了：本發明屬于推薦系統領域，特別涉及到一種面向推薦系統的基于層級鄰居增強的圖對比學習方法。包括：根據用戶物品交互記錄構建用戶?物品交互圖、用戶?用戶關系圖和物品?物品關系圖；結合圖神經網絡并以層級融合的方式進行節點特征更新，獲取節點的局部和全局結構鄰居表征；以自底向上的方式執行層級聚類算法，用生成的層級原型質心特征來建模節點的層級語義鄰居表征；根據所述兩類鄰居表征分別構建節點的層級結構鄰居和層級語義鄰居對比學習目標，通過反向傳播來優化用戶和物品表征；根據所述優化后的用戶和物品表征，進行下游推薦結果生成。本方法提高了推薦系統的精準度，還增強了模型在稀疏數據環境下的泛化能力。

本發明授權一種面向推薦系統的基于層級鄰居增強的圖對比學習方法在權利要求書中公布了：1.一種面向推薦系統的基于層級鄰居增強的圖對比學習方法，其特征在于，包括以下步驟： 步驟1、構建用戶-物品交互圖、用戶-用戶物品-物品關系圖； 首先基于輸入的用戶-物品交互數據構建用戶-物品交互圖，然后基于用戶-物品交互圖構建用戶-用戶關系圖和物品-物品關系圖； 步驟2、圖編碼與融合； 將步驟1生成的用戶-物品交互圖、用戶-用戶關系圖和物品-物品關系圖分別輸入圖編碼與融合層，以學習用戶和物品特征表示； 根據用戶-物品交互圖、用戶-用戶關系圖和物品-物品關系圖三張圖，結合圖神經網絡并以層級融合的方式進行節點特征更新，并將層級融合的輸出作為節點的局部和全局結構鄰居表示； 步驟3、構建層級結構鄰居對比學習目標； 根據所述節點及其局部和全局鄰居表示，構建層級結構鄰居對比學習目標； 步驟4、層級語義表示； 根據更新后的節點特征，以自底向上的方式執行層級聚類算法，獲取層級原型特征，并以此作為節點的層級語義鄰居表示； 步驟5、層級語義鄰居對比學習目標； 根據所述節點及其層級語義鄰居表示，構建層級語義鄰居對比學習目標； 步驟6、推薦預測； 根據步驟2學到的用戶和物品特征表示進行預測用戶交互物品的概率，并使用貝葉斯個性化排序函數構建推薦任務優化目標； 步驟7、模型訓練； 采用多任務學習策略進行模型訓練，聯合優化推薦任務目標和層級鄰居對比學習目標，直至模型收斂，最終輸出訓練好的推薦模型參數。

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同濟大學，其通訊地址為：200092 上海市楊浦區上海市四平路1239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”。