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！

龙图腾网获悉松立控股集团股份有限公司申请的专利一种基于多层次图神经网络的智能实时广告推送方法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：CN119359385B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411900135.3，技术领域涉及：G06Q30/0251；该发明授权一种基于多层次图神经网络的智能实时广告推送方法是由刘寒松;王国强;王永;刘瑞;谭连盛设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于多层次图神经网络的智能实时广告推送方法在说明书摘要公布了：本发明属于广告推送技术领域，涉及一种基于多层次图神经网络的智能实时广告推送方法，先收集停车场的动态数据和静态数据并进行预处理，再设计全局图和局部图两种图结构，并引入自注意力机制，构建和训练多层次图神经网络得到训练好的模型，最后利用训练好的模型，计算每个车牌和常去地点的嵌入，从而生成预测评分，对每个用户，根据预测评对广告进行排序，选择评分最高的广告作为推送结果，通过多层次图结构使得模型能够更全面和细致地捕捉用户行为模式，提升推荐的精准性和相关性；而且降低了计算复杂度，提高了模型的计算效率，能够在资源有限的实际应用场景中高效运行，满足实时推荐的需求。

本发明授权一种基于多层次图神经网络的智能实时广告推送方法在权利要求书中公布了：1.一种基于多层次图神经网络的智能实时广告推送方法，其特征在于，具体包括以下步骤： S1、数据采集：收集停车场的动态数据和静态数据，其中动态数据包括车辆的进出时间和常去的活动地点，静态数据包括车辆的品牌和型号； S2、数据预处理：将步骤S1收集的动态数据采用ApacheFlink或SparkStreaming进行数据预处理； S3、多层次图神经网络构建：基于CNN模型，分别构建全局图和局部图，其中全局图根据车辆在不同地点的移动数据构建，节点包括车辆、地点和广告，边表示车辆与地点、车辆与广告、地点与广告之间的关系；局部图包括常去地点-广告图和车辆品牌-广告图，细化用户在地点和品牌偏好的广告关系； S4、多层次图神经网络训练：利用历史数据进行预多层次图结构训练，采用增量更新技术，通过在线学习算法实时更新用户和物品的嵌入表示，得到训练好的模型；具体过程为： S41、初始化每个节点的嵌入表示、、，、、分别表示全局图、常去地点-广告图和车辆品牌-广告图中节点的第0层的节点嵌入表示； S42、在全局图上进行图卷积操作，更新广告、品牌和地点的节点嵌入表示： ， ， ， 其中、和分别表示广告节点、品牌节点和地点节点；、和分别表示节点、和在全局图中的邻居节点集合；、和分别表示节点、和在全局图中的第层的节点嵌入表示；同样对两个局部图进行图卷积操作，得到更新后的节点嵌入表示： 对于常去地点-广告图： ， ， 对于车辆品牌-广告图： ， ， 其中和分别表示节点和在常去地点-广告图中的邻居节点集合；和分别表示节点和在车辆品牌-广告图中的邻居节点集合；和分别表示节点和在常去地点-广告图中的第层的节点嵌入表示；和分别表示节点和在车辆品牌-广告图中的第层的节点嵌入表示； S43、引入自注意力机制，对全局图、常去地点-广告图和车辆品牌-广告图中节点的每层嵌入表示，，分别计算注意力得分： ， ， ； 其中为自注意力机制中的权重向量，为自注意力机制中的权重矩阵； S44、通过Softmax函数将注意力得分转化为注意力权重，使得所有权重的总和为1，全局图、常去地点-广告图和车辆品牌-广告图的第层嵌入表示的注意力权重分别为： ， ， ； S45、将注意力权重对邻居节点的嵌入表示进行加权，形成节点的新嵌入表示，具体公式为： ， ， ； S46、引入多图融合机制，对于每个节点，将节点在常去地点-广告图和车辆品牌-广告图的嵌入表示通过MLP融合得到最终的嵌入表示:，其中是可学习的多层感知机； S47、使用贝叶斯个性化排序损失函数计算误差： ， 其中是Sigmoid函数，表示品牌常去地点时对广告的预测评分，表示品牌常去地点时对广告的预测评分，控制L2正则化强度； S5、实时广告推送：利用训练好的模型，计算每个车牌和常去地点的嵌入，从而生成预测评分，对每个用户，根据预测评对广告进行排序，选择评分最高的广告作为推送结果。

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松立控股集团股份有限公司，其通讯地址为：266000 山东省青岛市市南区宁夏路288号软件园6号楼11层；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”。

以上内容由龙图腾AI智能生成。