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！

龙图腾网获悉重庆理工大学申请的专利融合超图和上下文信息的智能推荐验证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：CN120045785B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510117658.9，技术领域涉及：G06F16/9535；该发明授权融合超图和上下文信息的智能推荐验证方法是由刘小洋;冯瀚文;邹霞设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本融合超图和上下文信息的智能推荐验证方法在说明书摘要公布了：本发明提出了一种融合超图和上下文信息的智能推荐验证方法，包括：S1，从用户物品的交互图中提取到偏见物品特征，物品流行度特征和物品语义特征，将个体与邻居节点的偏见物品特征，物品流行度特征和物品语义特征进行结合，再采用超图卷积对用户和物品的表示进行编码，得到编码后的嵌入；S2，将编码后的嵌入采用超图卷积进行超图卷积增强，得到经过超图卷积优化的用户嵌入表示和物品的嵌入表示；然后计算用户推荐交互物品的评分，将评分降序排列生成相关候选物品的推荐列表。本发明通过硬负监督对比学习的自监督信号优化用户物品嵌入表示，并与多标签交叉熵损失优化策略相结合，增强了模型感知对用户偏好的学习和嵌入空间中的区分性，丰富了上下文特征。

本发明授权融合超图和上下文信息的智能推荐验证方法在权利要求书中公布了：1.一种融合超图和上下文信息的智能推荐验证方法，其特征在于，包括以下步骤： S1，从用户物品的交互图中提取到偏见物品特征，物品流行度特征和物品语义特征，将个体与邻居节点的偏见物品特征，物品流行度特征和物品语义特征进行结合，再采用超图卷积对用户和物品的表示进行编码，得到编码后的嵌入，所述编码后的嵌入包括用户的嵌入表示和物品的嵌入表示； S2，将编码后的嵌入采用超图卷积进行超图卷积增强，得到经过超图卷积优化的用户嵌入表示和物品的嵌入表示；然后计算用户推荐交互物品的评分，将评分降序排列生成相关候选物品的推荐列表；所述超图卷积增强包括： S2-1，通过多层卷积传播提取特征信息增强用户嵌入表示： ， 其中，是第个卷积层增强后的输出； 是ELU激活函数； 为对称归一化邻接矩阵； 为二部图邻接矩阵； 表示对角矩阵； 是卷积传播的参数权重矩阵； S2-2，使用超图卷积对用户的上下文表示建模，通过从超图中的用户超编学习上下文表示，增强卷积过程中的信号传播，根据引入的超图信息调整临界矩阵和特征矩阵，选择用户对应的特定的行和列； 其中，是用户的超边； 是转置符号； 是L2正则化计算； 是自注意力机制中的维度； 是ELU激活函数； ，，分别代表注意力机制中的查询、键和值矩阵； 、是对应的参数权重矩阵； 是控制注意力程度的超参数； S2-3，通过多头注意力机制聚合多个子空间信息： ， 其中，是多头注意力机制中每个头的权重； 是注意力头的数量的取值； 是注意力头的总数量； 表示输入嵌入第l层经过不同注意力头数处理过后的结果； S2-4，经过平均池化和归一化得到经过超图卷积优化的用户嵌入表示和物品的嵌入表示； ， ， 其中，是经过超图卷积优化的用户嵌入表示； 是先前已经处理好的嵌入； 是嵌入的选取属于用户物品交互序列内； 为绝对值符号； 表示用户与物品的历史交互序列； 是经过超图卷积优化的物品的嵌入表示； 为第个物品的嵌入表示，为与用户u交互的项目； 为符号函数； 为哈达玛积符号； 为原始用户物品交互图的用户个体偏见的嵌入向量； 为的模长。

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理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。