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！

龙图腾网获悉北方工业大学申请的专利一种基于特征交互的元路径异构图聚合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：CN117251635B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202311310810.2，技术领域涉及：G06F16/9535；该发明授权一种基于特征交互的元路径异构图聚合方法是由李阳;赵方涛;马礼;马东超;傅颖勋设计研发完成，并于2023-10-10向国家知识产权局提交的专利申请。

本一种基于特征交互的元路径异构图聚合方法在说明书摘要公布了：本发明公开了一种基于特征交互的元路径异构图聚合方法，将用户和物品的唯一编码与用户和物品的特征映射为一个向量表示，生成对应输入数据的高纬特征表示；并映射到相同的低维特征空间中；使用多头注意力模型来构建用户对有不同用户特征和物品特征组合的偏好；构造唯一编码与特征之间的元路径；将元路径中的每个节点及其邻居节点表示为一个特征矩阵，对特征矩阵聚合，计算聚合后的向量表示，获得每个节点的向量表示；更新当前节点的状态表示，经过多层卷积后，得到最终的用户和物品节点的嵌入向量表示；并进行点积操作，以计算用户对每个物品的偏好。本发明技术方案能够更准确地捕捉图的丰富结构和语义信息，并提供对推荐结果的解释。

本发明授权一种基于特征交互的元路径异构图聚合方法在权利要求书中公布了：1.一种基于特征交互的元路径异构图聚合方法，其特征在于，包括以下步骤： 将用户和物品的唯一编码与用户和物品的特征映射为一个向量表示，生成对应输入数据的高纬特征表示； 将所述用户和物品的唯一编码与所述用户和物品的特征映射到相同的低维特征空间中； 使用多头注意力模型来构建用户对有不同用户特征和物品特征组合的偏好； 构造所述用户和物品的唯一编码与所述用户和物品的特征之间的元路径，使用元路径实例编码器将沿着元路径实例的所有节点特征转换为单个向量，再拼接元路径上的每个节点的向量得到整个元路径的向量表示，所述构造所述用户和物品的唯一编码与所述用户和物品的特征之间的元路径，进一步包括以下步骤： 从任一节点开始进行随机游走采样，采样固定长度，每次以相同概率访问邻居节点或返回初始节点，每种类型节点采样数固定，确保每类节点都会被采样到，对异构图的每个节点采样到强相关的邻居节点，得到相关的路径信息； 将元路径中的每个节点及其邻居节点表示为一个特征矩阵，特征矩阵的每一行表示一个节点的特征向量，对特征矩阵使用图卷积神经网络聚合，计算聚合后的向量表示，获得每个节点聚合了元路径上的所有相关节点的向量表示，所述聚合进一步包括以下步骤： 给定一个元路径P，聚合元路径内部邻居节点，得到的嵌入包含元路径的邻居以及介于两者之间的上下文中的结构和语义信息； pv,u是连接目标节点v和基于元路径的邻居u的元路径实例，将pv,u的中间节点定义为{mpv，u}＝pv，u\v，u； 使用元路径实例编码器，将沿着元路径实例的所有节点特征转换为单个向量： 其中h′v表示节点v经过特征交互变换后的向量表示； 采用注意力机制对与目标节点v相关的元路径实例P上的邻居节点进行加权求和，通过学习每个元路径实例的标准化重要性权值来建模，对所有实例进行加权求和： 其中是元路径P的参数化注意力向量，表示元路径实例pv,u上的邻居节点u对节点v的重要性，根据注意力系数对节点v进行向量表示更新，得到节点v聚合其元路径邻居的新的向量表示； 进行元路径间聚合层，合并包含此节点的所有元路径显示的语义信息，通过注意力机制为不同的元路径分配不同的权重来聚合不同的元路径信息： 其中是整条元路径上所有节点的拼接向量表示，解释为元路径Pi对A型节点的相对重要性，在对节点v的所有元路径特定的节点类型向量进行加权得到节点v新的向量表示将节点v的嵌入向量表示投影变换到合理的输出维数： 其中Wo为参数矩阵，得到目标节点最终的特征向量表示； 根据元路径邻居的状态来更新当前节点的状态表示，经过多层卷积后，得到最终的用户和物品节点的嵌入向量表示； 对最终学习到的用户和物品节点的嵌入向量表示进行点积操作，以计算用户对每个物品的偏好。

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北方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5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。