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！

龙图腾网获悉合肥大学申请的专利一种应用于推荐系统的基于对比学习的增强图卷积网络推荐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：CN119940412B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510036371.3，技术领域涉及：G06N3/045；该发明授权一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法是由吴晓璇;周梦楠设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法在说明书摘要公布了：一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法，属于个性化推荐技术领域。首先通过分析用户与项目的交互行为构建用户‑项目交互矩阵，将额外增强初始交互矩阵，生成与初始交互矩阵的对照矩阵；然后将两组用户‑项目对照矩阵分别输入到多层图卷积网络中，生成两组不同的增强型用户‑项目相关矩阵。通过多层图卷积的递归传播，能够捕获交互信息的深层特性，为用户和项目生成更丰富的嵌入表示。随后将两组用于对比的嵌入矩阵进行融合，生成最终的用户嵌入和项目嵌入；最后利用协同过滤算法生成推荐结果。本发明通过对比学习和多层图卷积的消息传递，拉近了用户‑项目的隐式的关联，在给用户推荐时，能达到较好的推荐效果。

本发明授权一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法在权利要求书中公布了：1.一种应用于推荐系统的基于对比学习的增强图卷积网络推荐方法，其特征在于，包括如下步骤： 步骤一：根据用户-项目的历史交互行为的数据，提取出用户-项目相关初始交互矩阵；额外增强初始交互矩阵，生成与初始交互矩阵的对照矩阵，并初始化用户和项目的权重矩阵；具体包括： 1初始化用户-项目的权重矩阵，使用标准差为0.1的正态分布进行初始化，其公式为： 1 2获取一个初始的稀疏图，每个用户和项目都是一个顶点，表示为： 2 式2中，表示用户与项目的交互矩阵； 3最终的稀疏图，表示为： 3 式3中，是度矩阵； 初始的嵌入和分别表示为： 4 5 步骤二：将上述的对照矩阵和权重矩阵经过多层图卷积的递归传播，获取交互信息的深层特性，为用户和项目生成更丰富的嵌入表示；再结合对比学习的思想，将两组用于对比的嵌入矩阵进行融合，生成最终的用户嵌入和项目嵌入；具体包括： 1多层图卷积的递归传播过程，等价为： 6 7 式6、7中，为执行图卷积的次数； 2利用对比学习的思想，得到两组经过多层图卷积递归传播的嵌入矩阵和，分别表示为： 8 9 3将两组对比的嵌入矩阵聚合，得到用于模型预测的最终嵌入矩阵为： 10 步骤三：通过用户嵌入和项目嵌入的内积计算用户对项目的偏好程度，并结合协同过滤算法生成推荐结果；具体包括： 1进行内积来估计用户对目标项目的偏好： 11 式11中，和为用户嵌入和项目嵌入，从最终嵌入矩阵中获得； 2得到用户对所有项目的评分，取前N个最大的评分生成Top-N推荐结果。

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合肥大学，其通讯地址为：230601 安徽省合肥市经开区锦绣大道99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。