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！

龙图腾网获悉上海交通大学申请的专利基于双图表示学习预训练模型的推荐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：CN119377597B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411428693.4，技术领域涉及：G06F18/20；该发明授权基于双图表示学习预训练模型的推荐系统是由于晗;钱麒丹;蔡鸿明;陈治源;胡畔;陈诺;姜丽红设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本基于双图表示学习预训练模型的推荐系统在说明书摘要公布了：一种基于双图表示学习预训练模型的推荐系统，包括：数据录入模块、元特征提取模块、图谱构建模块和智能推荐模块，其中：数据录入模块录入外部数据源的模型数据和数据集数据并解析后输出至元特征提取模块；元特征提取模块提取和聚合模型与数据集的元特征向量；图谱构建模块基于元特征向量构建模型图谱和数据集图谱的双图表示并通过计算模型间的架构特征相似度以及分析数据集间的标签权重关系；智能推荐模块在双图表示和对应的元特征向量的基础上，通过使用基于残差图卷积和多层感知机的深度推荐模型，针对数据集进行回归准确率预测，进而得到模型推荐的结果列表。本发明通过对模型和数据集进行元特征提取，并基于相似关系进行双图表示学习，本发明能够有效捕捉数据集与模型之间的复杂关系，从而实现高效、准确的模型推荐。

本发明授权基于双图表示学习预训练模型的推荐系统在权利要求书中公布了：1.一种基于双图表示学习预训练模型的推荐系统，其特征在于，包括：数据录入模块、元特征提取模块、图谱构建模块和智能推荐模块，其中：数据录入模块录入外部数据源的模型数据和数据集数据并解析后输出至元特征提取模块；元特征提取模块提取和聚合模型与数据集的元特征向量；图谱构建模块基于元特征向量构建模型图谱和数据集图谱的双图表示，计算模型间的架构特征相似度以及分析数据集间的标签权重关系；智能推荐模块在双图表示和对应的元特征向量的基础上，通过使用基于残差图卷积和多层感知机的深度推荐模型，针对数据集进行回归准确率预测，进而得到模型推荐的结果列表； 所述的数据录入模块包括：基于调用信息的模型录入单元和基于元信息的数据集录入单元，其中：基于调用信息的模型录入单元，根据已知预训练模型库的模型调用接口，构造对应的正则匹配表达式来匹配文档中的调用接口；通过录入各个预训练模型库中的模型调用接口信息，并基于先前定义的正则模式对模型说明文档进行正则匹配，得到模型说明中对应的模型调用接口；随后对具体调用接口中使用的库类型进行识别，并使用对应Python库进行模型的内容加载和元数据提取，最终加载的模型内容和数据将输入元特征提取模块；基于元信息的数据集录入单元加载图像数据集平台对应的Python库，通过调用库中提供的全量数据集元信息提取函数，录入数据集的元信息；随后通过图像数据集库中的自动化加载方法，基于提取的数据集元信息进行图像数据集的内容加载，最终加载的数据集内容和数据将输入元特征提取模块； 所述的元特征提取模块包括：预训练模型多元特征提取单元、数据集多元特征提取单元以及基于维度放缩的特征聚合单元，其中：预训练模型多元特征提取单元根据模型文件提取得到预训练模型的三类特征，包括模型架构特征、模型参数量以及推理复杂度；数据集多元特征提取单元根据数据集文件提取得到数据集的两类特征，包括数据集基数特征、类别基数特征和标签构成特征；基于维度放缩的特征聚合单元针对提取的多个特征，进行特征权重计算得到每个数值特征的权重大小，并对数值特征向量进行基于权重的维度放缩，最后使用多元特征拼接方法将多个特征聚合为一个完整的元特征。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。