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！

龙图腾网获悉山东省人工智能研究院申请的专利一种基于解纠缠表示学习的图神经网络session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：CN114092181B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202111331082.4，技术领域涉及：G06Q30/0601；该发明授权一种基于解纠缠表示学习的图神经网络session推荐方法是由程志勇;李岸松设计研发完成，并于2021-11-11向国家知识产权局提交的专利申请。

本一种基于解纠缠表示学习的图神经网络session推荐方法在说明书摘要公布了：一种基于解纠缠表示学习的图神经网络session推荐方法，通过解纠缠表示学习机制，利用图神经网络解决了session领域内无法提取潜在纠缠特征和易受噪音影响的问题；同时提出了一种注意力特征融合机制，缓解了图神经网络中的过度平滑问题；最后，提出了一种基于候选商品的session解纠缠表示，使得session的表示更加丰富;以上三点的成功使得我们的模型效果相较于领域内其他模型有了很大的提升。

本发明授权一种基于解纠缠表示学习的图神经网络session推荐方法在权利要求书中公布了：1.一种基于解纠缠表示学习的图神经网络session推荐方法，其特征在于，包括如下步骤： a在商品交易数据集中提取不包含用户信息的session序列，该session序列由与用户交互的若干商品组成，为用户在该session中交互的第个商品，，为用户在该session中交互的商品的个数，从session序列中选取N%的数据作为训练数据，剩余1-N%的数据作为测试数据，建立候选商品集，为session中的第个商品，，为session中的商品的个数； b构建session有向图； c建立并训练基于解纠缠表示的图神经网络模型； d计算候选商品为session下一个可能交互对象的分数，完成下一个商品的推荐； 步骤c包括如下步骤： c-1通过公式计算得到session经初始化嵌入的商品映射到第个特征子空间，式中为商品的初始嵌入，，为实数矩阵，为特征空间的个数，为L2范数，为权重矩阵，为权重矩阵，为转置，，为商品的原始维度，为映射到第个空间的维度； c-2通过公式计算得到在空间两个邻居商品与的相似度分数，为session中第个商品的特征表示，将相似度分数作为邻居之间的权重与步骤b中的session有向图一起构建邻接矩阵，该邻接矩阵由出度矩阵和入度矩阵拼接而成，邻近矩阵中的元素为相邻商品之间的权重； c-3通过公式 计算得到第个商品在第个特征空间的节点表示，为第个商品在第个特征空间的第轮迭代所获得邻居节点的相关信息，均为权重矩阵，为偏置矩阵，为双曲正切激活函数，为更新门，为遗忘门，为sigmoid函数，为第轮迭代的第个特征子空间，为第轮迭代的第个特征子空间，为根据遗忘门机制得到本轮需要遗忘多少之前的信息，为第轮迭代的session图中第个点在第个特征子空间的表示，，为session图中存在的点的个数； c-4在经过轮的图神经网络迭代后，得到session中第个商品在各个特征空间的表示，将第个商品在各个特征空间的表示按顺序由1到拼接到一起，形成第个商品的解纠缠表示； c-5通过公式计算得到商品最后的表示，、、均为权重矩阵，为没有经过神经网络的第个商品的表示； c-6根据公式得到session中第个商品在第个特征空间对于当前兴趣表示的重要系数，式中、和均为权重矩阵，为session中第个商品的特征表示，通过公式计算得到session的全局兴趣表示，将候选商品集替代步骤c-1公式中的，利用该公式将候选商品集映射到不同的特征子空间，得到，为候选商品在第个特征空间的表示，将全局兴趣表示替代步骤c-1公式中的，利用该公式将全局兴趣表示映射到不同的特征子空间，得到，为全局兴趣表示在第个特征空间的表示； c-7通过公式计算得到候选商品在各个特征空间的平均表示，根据公式计算得到候选商品对于第个特征空间的注意力分数，通过公式计算得到候选商品的session表示，式中为拼接操作，通过公式计算得到最后的session的解纠缠表示，式中为权重矩阵，为局部兴趣，其由session中最后一个商品解纠缠表示构成； c-8通过公式计算候选商品为下一个交互的可能性分数，完成图神经网络模型的建立； c-9通过公式计算损失函数，式中为交叉熵损失函数计算与真实商品标签的差异，，为距离相关性函数作为正则来消除各个特征子空间的冗余，，，为真实标签，为图神经网络模型计算所得到的标签，为控制正则项的系数，为两个矩阵之间的距离协方差，为矩阵自身的协方差，为session中所有商品在第个特征空间的初始表示矩阵，为session中所有商品在第个特征空间的初始表示矩阵，通过BPTT反向传播结合损失函数优化步骤c-1至c-8的图神经网络模型。

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山东省人工智能研究院，其通讯地址为：250013 山东省济南市历下区科院路19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。