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！

龙图腾网获悉成都理工大学申请的专利一种用于图神经网络训练的单层增强负样本生成算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：CN115858924B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211491358.X，技术领域涉及：G06F16/9535；该发明授权一种用于图神经网络训练的单层增强负样本生成算法是由周珂怡;蔡彪设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种用于图神经网络训练的单层增强负样本生成算法在说明书摘要公布了：本发明公开了一种用于图神经网络训练的单层增强负样本生成算法，涉及深度图神经网络训练领域，可应用于互联网推荐系统等应用场景，包括：考虑协同过滤推荐任务的节点信息传播和聚合特点以及GNN过平滑问题，将信息论中的信息扁平化理论结合到负样本生成策略，提出单层增强的负样本合成策略，只跟踪样本的最强特征或是与目标最相关的关联，同时关注数据稠密度与聚合嵌入之间的关系，对具有不同稠密度特征的数据集选择不同层数的单层聚合嵌入进行正负样本嵌入插值，生成构造负样本，减轻了推荐系统模型训练中的过拟合，提高了模型的泛化能力；本发明算法可以直接插入现有的基于GNN的推荐算法中改善模型训练，使模型性能指标显著提高，节省计算开销。

本发明授权一种用于图神经网络训练的单层增强负样本生成算法在权利要求书中公布了：1.一种用于图神经网络训练的单层增强负样本生成算法，其特征在于，包括以下步骤： S1、确定目标数据集Ω，包含用户集U＝{u}和物品集V＝{v}，以及用户的隐式反馈o+＝{u,v+∣u∈U,v+∈V}，其中v+表示与用户有交互的物品，初始化目标数据集Ω的用户物品的特征向量，获得传播聚合后目标用户及物品的L层嵌入表示，随机选择目标用户的s个负样本组成候选集Φ，目标用户的各层低维嵌入表示为物品嵌入表示为 S2、计算目标数据集Ω的数据结构特征稠密度D，根据稠密度大小确定从GCN生成的L+1层嵌入中选出的某一层m的具体值，其嵌入表示为 S3、处理随机系数λm作为正负样本的m层混合系数； S4、根据随机系数λm和嵌入对候选集S中的负样本，及与目标用户有过交互的正样本的第m层的嵌入进行混合插值，得到混合后的第m层嵌入 S5、将混合后的第m层嵌入与其原始的其它层嵌入重新组合成完整的L+1层嵌入并参与池化，得到混合后合成负样本的完整嵌入表示通过组合池化目标用户的各层低维嵌入表示消除过平滑，得到目标用户的嵌入表示 S6、根据目标用户的嵌入表示和混合后合成负样本的完整嵌入表示通过内积计算物品得分 S7、根据物品得分对推荐系统模型的训练Loss函数进行更新。

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成都理工大学，其通讯地址为：610000 四川省成都市成华区二仙桥东三路1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。