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！

龙图腾网获悉同济大学申请的专利一种面向推荐系统的基于层级邻居增强的图对比学习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：CN119646312B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411873415.X，技术领域涉及：G06F16/9535；该发明授权一种面向推荐系统的基于层级邻居增强的图对比学习方法是由蒋昌俊;闫春钢;丁志军;王俊丽;张亚英;魏洪杰设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种面向推荐系统的基于层级邻居增强的图对比学习方法在说明书摘要公布了：本发明属于推荐系统领域，特别涉及到一种面向推荐系统的基于层级邻居增强的图对比学习方法。包括：根据用户物品交互记录构建用户‑物品交互图、用户‑用户关系图和物品‑物品关系图；结合图神经网络并以层级融合的方式进行节点特征更新，获取节点的局部和全局结构邻居表征；以自底向上的方式执行层级聚类算法，用生成的层级原型质心特征来建模节点的层级语义邻居表征；根据所述两类邻居表征分别构建节点的层级结构邻居和层级语义邻居对比学习目标，通过反向传播来优化用户和物品表征；根据所述优化后的用户和物品表征，进行下游推荐结果生成。本方法提高了推荐系统的精准度，还增强了模型在稀疏数据环境下的泛化能力。

本发明授权一种面向推荐系统的基于层级邻居增强的图对比学习方法在权利要求书中公布了：1.一种面向推荐系统的基于层级邻居增强的图对比学习方法，其特征在于，包括以下步骤： 步骤1、构建用户-物品交互图、用户-用户物品-物品关系图； 首先基于输入的用户-物品交互数据构建用户-物品交互图，然后基于用户-物品交互图构建用户-用户关系图和物品-物品关系图； 步骤2、图编码与融合； 将步骤1生成的用户-物品交互图、用户-用户关系图和物品-物品关系图分别输入图编码与融合层，以学习用户和物品特征表示； 根据用户-物品交互图、用户-用户关系图和物品-物品关系图三张图，结合图神经网络并以层级融合的方式进行节点特征更新，并将层级融合的输出作为节点的局部和全局结构邻居表示； 步骤3、构建层级结构邻居对比学习目标； 根据所述节点及其局部和全局邻居表示，构建层级结构邻居对比学习目标； 步骤4、层级语义表示； 根据更新后的节点特征，以自底向上的方式执行层级聚类算法，获取层级原型特征，并以此作为节点的层级语义邻居表示； 步骤5、层级语义邻居对比学习目标； 根据所述节点及其层级语义邻居表示，构建层级语义邻居对比学习目标； 步骤6、推荐预测； 根据步骤2学到的用户和物品特征表示进行预测用户交互物品的概率，并使用贝叶斯个性化排序函数构建推荐任务优化目标； 步骤7、模型训练； 采用多任务学习策略进行模型训练，联合优化推荐任务目标和层级邻居对比学习目标，直至模型收敛，最终输出训练好的推荐模型参数。

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同济大学，其通讯地址为：200092 上海市杨浦区上海市四平路1239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”。

以上内容由龙图腾AI智能生成。