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！

龙图腾网获悉重庆大学申请的专利基于局部和全局协同关系的图对比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：CN119807532B 。

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：202411889741.X，技术领域涉及：G06F16/9535；该发明授权基于局部和全局协同关系的图对比推荐方法及系统是由葛亮;龙陆洋;吴祥;刘丰铭;唐思杰;刘杰;杨亦帆;蒲佳嘉设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本基于局部和全局协同关系的图对比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局部和全局协同关系的图对比推荐方法及系统，该方法包括如下步骤：采集用户物品交互的原始数据集，将原始数据集原始图中的有向边改为无向边，得到无向交互图，计算用户节点和物品节点的PageRank值，得到增强的全局无向交互图；在无向交互图上进行消息传播，获取用户节点和物品节点的局部协同关系，在增强的全局无向交互图上进行消息传播，获取用户节点和物品节点的全局协同关系；基于用户节点和物品节点的局部协同关系和全局协同关系，计算目标函数进行推荐。采用本技术方案，重构出主成分强化和噪声过滤的全局协同增强视图，有效地捕获局部协同关系与全局协同关系，优化推荐性能。

本发明授权基于局部和全局协同关系的图对比推荐方法及系统在权利要求书中公布了：1.一种基于局部和全局协同关系的图对比推荐方法，其特征在于，包括如下步骤： 采集用户物品交互的原始数据集，将原始数据集原始图中的有向边改为无向边，得到无向交互图； 根据所述无向交互图的邻接矩阵计算用户节点和物品节点的PageRank值； 基于用户节点和物品节点的PageRank值，得到增强的全局无向交互图； 在无向交互图上进行消息传播，获取用户节点和物品节点的局部协同关系，在增强的全局无向交互图上进行消息传播，获取用户节点和物品节点的全局协同关系； 基于用户节点和物品节点的局部协同关系和全局协同关系，计算目标函数进行推荐； 获取用户节点和物品节点的局部协同关系的具体步骤如下： 使用LightGCN中轻量级图卷积算子在无向交互图上进行消息传播，获取用户物品的局部协同关系，消息传播的公式如下： 其中，分别表示原始图上第l层卷积后的物品和用户节点的嵌入表示，d为嵌入表示的维度；|U|表示用户节点数量，|I|表示物品节点数量；表示正则化后的无向交互图的邻接矩阵，表示邻接矩阵上节点x和节点y之间连接的边权重，Nx和Ny分别表示节点x和y的度； 将每一层卷积的中间嵌入求和，得到用户节点和物品节点局部关系学习的最终嵌入表示和 其中，L表示卷积层层数； 获取用户节点和物品节点的全局协同关系的步骤如下： 使用轻量级卷积在增强后的全局交互图上进行消息传播，全局交互图上消息传播的公式如下： 其中，和分别表示全局交互图上第l层卷积后用户和物品节点的嵌入表示；表示全局交互图的邻接矩阵，||表示矩阵的拼接； 将每一层卷积的中间嵌入求和，得到用户节点和物品节点全局协同关系学习的最终嵌入表示Z′u和Z′i： 所述目标函数为： 使用对比损失Lcl，推荐损失Lrec和正则化损失Lreg加权求和后的联合损失函数L作为模型的优化目标： L＝λ1Lcl+λ2Lrec+λ3.Lreg 其中，λ1、λ2和λ3分别表示对比损失、推荐损失和正则化损失的权重； 其中，使用InfoNCE损失作为对比学习的目标函数，分别计算用户节点和物品节点的对比损失并将它们的和作为总对比损失Lcl： 其中，B表示一组原始图G上的节点样本，u和u′是原始图G中的用户，i和i′是原始图G中的物品，τ为表示温度系数用于控制相似性分布的平滑性；为用户节点的对比损失，为物品节点的对比损失；Z′u和Z′i表示用户节点和物品节点全局协同关系学习的最终嵌入；和表示用户节点和物品节点局部协同关系学习的最终嵌入矩阵的转置； 使用BPR损失Lrec作为推荐损失： 其中，σ是sigmoid函数，i是用户-物品交互图G中与用户u交互的物品，i′是随机采样的物品；Zi是物品节点局部协同关系学习的最终嵌入，Zi′物品节点全局协同关系学习的最终嵌入； 引入L2正则化，通过惩罚模型的参数大小来控制模型的复杂度，作为正则化损失Lreg： 其中，Lreg，θ表示模型中所有可学习权重参数。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174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。