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！

龙图腾网获悉华南理工大学申请的专利一种去偏化用户多兴趣推荐方法、装置及存储介质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：CN115982467B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202310001232.8，技术领域涉及：G06F16/9535；该发明授权一种去偏化用户多兴趣推荐方法、装置及存储介质是由许勇;谢美艳设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本一种去偏化用户多兴趣推荐方法、装置及存储介质在说明书摘要公布了：本发明公开了一种去偏化用户多兴趣推荐方法、装置及存储介质，其中方法包括：收集用户商品交互记录的数据集，根据数据集获取训练集；以稀疏矩阵形式存储数据，构造为图卷积神经网络可以处理的图结构数据；学习用户‑商品关系图上的节点特征向量；节点嵌入向量学习；优化全局关系，获得更多潜在的语义关系；超边表征以及兴趣原型优化；多兴趣表征获取；去偏化辅助学习；将有监督损失函数与对比损失函数结合，使用优化器进行反向传播，优化网络参数；对训练集数据迭代训练，直至模型收敛；推荐预测。本发明通过对比学习任务和自适应采样方式，消除捕获用户兴趣时受到大众心理干扰而产生的偏差，提高推荐准确度，可广泛应用于机器学习技术领域。

本发明授权一种去偏化用户多兴趣推荐方法、装置及存储介质在权利要求书中公布了：1.一种去偏化用户多兴趣推荐方法，其特征在于，包括以下步骤： 收集用户商品交互记录的数据集，根据数据集获取训练集； 根据数据集的交互关系，以稀疏矩阵形式存储数据，构造为图卷积神经网络可以处理的图结构数据； 使用一个图卷积子模块，学习用户-商品关系图上的节点特征向量； 节点嵌入向量学习：使用多层卷积网络层获取高阶语义信息，将每层的特征输出进行加和得到商品特征向量，将用户表征与用户的多兴趣表征融合得到用户的最终嵌入向量； 使用一个超图卷积神经网络优化全局关系，获得更多潜在的语义关系； 超边表征以及兴趣原型优化：使用多层超图卷积网络层迭代，将优化的超边全局表征应用到兴趣原型的更新上，最终使得已有的兴趣表征建立在已有的交互信息及其内在的潜在语义基础上； 多兴趣表征获取：计算用户表征和大型兴趣池兴趣原型表征的相似度，对相似度进行降序排序，再通过相似度阈值个性化的选定来挑选兴趣池中跟用户最相近的K个兴趣作为该用户的多兴趣表征； 去偏化辅助学习：通过自适应采样获取去偏的数据，为保证自适应去偏，同时选出偏见最大的数据，即形成正负pair，构造对比学习任务，计算其中的对比损失辅助学习； 将有监督损失函数与对比损失函数结合，使用Adam优化器进行反向传播，优化网络参数；对训练集数据迭代训练，直至模型收敛； 推荐预测：将模型最终学习到的用户和商品嵌入向量进行打分预测，得到推荐商品顺序。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。