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！

龙图腾网获悉安徽大学申请的专利一种基于引导扩散模型增强的图编码器的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：CN119807522B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411861406.9，技术领域涉及：G06F16/9535；该发明授权一种基于引导扩散模型增强的图编码器的推荐方法是由张磊;陈子豪;柯明仁设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于引导扩散模型增强的图编码器的推荐方法在说明书摘要公布了：本发明公开了一种基于引导扩散模型增强的图编码器的推荐方法，具体步骤包括：S1、初始化用户‑物品交互邻接矩阵及归一化处理，生成拉普拉斯矩阵；S2、自适应地为每个点击行为计算掩码概率，生成部分可见的掩码二部图，作为模型训练过程中的掩码图编码器输入，从结构层面增强监督信号；S3、利用掩码图编码器生成用户和物品的表征，通过加入有向噪声并引入协同信号引导的扩散模型进行去噪处理，从语义层面增强监督信号。S4、使用图编码器生成用户和物品表征，优化表征的语义信息，最终为每位用户预测可能点击的物品。本发明通过结合结构与语义双重增强策略，显著提升了推荐系统的准确率与召回率，同时提高了系统对噪声信息的鲁棒性。

本发明授权一种基于引导扩散模型增强的图编码器的推荐方法在权利要求书中公布了：1.一种基于引导扩散模型增强的图编码器的推荐方法，其特征在于，包括以下步骤： S1、将用户-物品交互网络建模为二部图，其中节点集表示交互网络中的用户和物品，边集表示用户与物品之间的交互行为；初始化用户-物品交互邻接矩阵，并对其进行归一化处理，生成用于模型推理阶段的拉普拉斯矩阵； S2、从结构层面增强监督信号，基于用户点击行为信息及物品热门程度，自适应地为每个点击行为计算掩码概率，生成部分可见的掩码二部图，作为模型训练过程中的掩码图编码器输入； S3、从语义层面进一步增强监督信号，利用掩码图编码器生成用户和物品的表征，通过加入有向噪声并引入协同信号引导的扩散模型进行去噪处理； S4、在推理阶段，使用图编码器生成用户和物品表征，并通过训练好的扩散模型优化表征的语义信息，最终为每位用户预测可能点击的物品； 在步骤S2中，从结构层面增强监督信号，具体步骤如下： S21、通过扰动原始用户-物品的的交互边，得到被掩码的交互图，构造掩码的图编码器： ， 式中，代表原始边集，代表剩下的边集合，代表被掩码的边集合，是一个0和1组成的掩码向量；对原始边集与掩码向量做点积操作，得到剩余边集合； S22、掩码向量由自适应的掩码策略得到： ， 式中，代表一个用户，代表一个物品，表示一条交互边；是掩码向量中的一位，取值范围是{0,1}，代表对应的边是被掩码还是保留；表示每一条在原始图的边的自适应概率，是伯努利分布，即掩码使用每一条边的自适应概率从伯努利分布抽样得出； S23、计算每一条边的自适应概率： ， 式中，表示边计算得到的自适应分数，表示用户节点的度数，表示物品节点的度数，即边自适应分数又边两端节点的度数计算得出； ， 式中，代表最低的概率超参数，代表最高的概率超参数，表示的最小值，表示的最大值，即通过对自适应分数的归一化得到自适应概率，并通过超参数控制概率的上下界； S24、使用步骤S22得到的掩码向量之后，可以得到掩码图，在训练阶段使用掩码图作为图编码器，通过邻居聚合公式，得到用户和物品的嵌入表示： ， 式中，l表示用户第l层的嵌入表示；表示以用户节点u为核心的掩码图；表示以物品节点i为核心的掩码图；表示节点的邻居节点；l-1表示用户第l-1层的嵌入表示；通过此公式，得到每层的嵌入表示； S25、通过掩码图编码器得到用户和物品的每一层图卷积嵌入表示之后，通过聚合每一层表示得到最终的用户和物品表示： ， 式中，e是用户最终的嵌入表示，L表示图卷积的层数。

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安徽大学，其通讯地址为：230000 安徽省合肥市经济技术开发区九龙路111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。