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基于图神经网络的捆绑包推荐方法及系统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：CN118170989B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202410402039.X，技术领域涉及：G06F16/9535；该发明授权基于图神经网络的捆绑包推荐方法及系统是由陶乾;刘承昊设计研发完成，并于2024-04-03向国家知识产权局提交的专利申请。

本基于图神经网络的捆绑包推荐方法及系统在说明书摘要公布了：本发明公开了一种基于图神经网络的捆绑包推荐方法及系统，所述方法包括：根据部分用户与部分捆绑包的交互数据分别构建直接偏好图和协作偏好图，根据所有物品与所有用户和所有捆绑包的交互数据，构建物品层级偏好超图；将直接偏好图、协作偏好图和物品层级偏好超图统称为多视图；将多视图和初始化的节点表示输入图卷积网络中，分别得到每个卷积层输出的融合节点表示，进而得到融合视图最终的节点嵌入表示，融合视图最终的节点嵌入表示为图卷积网络的输出；根据所有用户、所有捆绑包以及优化的图卷积网络输出的融合视图最终的节点嵌入表示，预测得到每个用户对应的捆绑包的推荐列表。本发明实现了捆绑包最优的推荐效果。

本发明授权基于图神经网络的捆绑包推荐方法及系统在权利要求书中公布了：1.一种基于图神经网络的捆绑包推荐方法，其特征在于，所述方法包括： 获取多位用户、多个物品以及多个捆绑包的数据；根据部分用户与部分捆绑包的交互数据分别构建直接偏好图和协作偏好图，根据所有物品与所有用户和所有捆绑包的交互数据，构建物品层级偏好超图；将所述直接偏好图、协作偏好图和物品层级偏好超图统称为多视图； 将多视图和初始化的节点表示输入图卷积网络中，分别得到每个卷积层输出的多视图中各视图学习的节点表示；根据所在卷积层输出的各视图学习的节点表示，以直接偏好图为目标，计算直接偏好图与协作偏好图和物品层级偏好超图中节点的相似度；根据相似度、直接偏好图中节点的流行度以及所在的卷积层数，动态调整各视图中节点的融合权重；根据所在卷积层输出的各视图学习的节点表示以及对应的融合权重，计算所在卷积层输出的融合节点表示；将多视图和所在卷积层输出的融合节点表示作为下一个卷积层的输入； 将初始化的节点表示融合节点表示和多视图中各视图的节点表示通过加权求和函数，计算融合视图最终的节点嵌入表示zv和各视图最终的节点嵌入表示： 式中，分别为第一、二个卷积层输出的融合节点表示；为直接偏好图最终的节点嵌入表示，分别为第一、二个卷积层输出的直接偏好图学习的节点表示；为协作偏好图最终的节点嵌入表示，分别为第一、二个卷积层输出的协作偏好图学习的节点表示；为物品层级偏好超图最终的节点嵌入表示，分别为第一、二个卷积层输出的物品层级偏好超图学习的节点表示； 根据多视图中各视图最终的节点嵌入表示和融合视图最终的节点嵌入表示，采用InfoNCE计算，得到融合视图与各视图的对比损失；将得到的所有对比损失求和，得到最终的对比学习损失；根据融合视图最终的节点嵌入表示计算推荐任务损失；采用推荐任务损失联合最终的对比学习损失计算总损失，对图卷积网络进行优化，以通过梯度反向传播更新初始化的节点表示； 根据所有用户、所有捆绑包以及优化的图卷积网络输出的融合视图最终的节点嵌入表示，预测每个用户对所有捆绑包的偏好分数；根据偏好分数，得到推荐的捆绑包列表。

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：510640 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”。