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！

龙图腾网获悉电子科技大学申请的专利一种基于对比学习的在线内容的流行度预测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：CN115392570B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211028548.8，技术领域涉及：G06Q10/04；该发明授权一种基于对比学习的在线内容的流行度预测方法是由万文超;张引;汪冉冉;姜钰婕;沈倩设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本一种基于对比学习的在线内容的流行度预测方法在说明书摘要公布了：本发明公开一种基于对比学习的在线内容的流行度预测方法，可应用于社交网络中的消息推送等场景。为解决由于社交网络中用户数量庞大且关系复杂、难以全面捕捉消息级联传播的特征，使得准确预测在线内容的流行度的任务十分具有挑战性的问题，本发明首先构建社交网络中用户和消息之间的逻辑关系图，将其投影到只包含消息节点的关系图中；然后通过获取消息在用户之间级联传播的级联图时间序列对每个消息的级联传播过程进行建模；同时我们根据消息的流行程度进行采样，确定消息锚节点的正负样本，设计了一种对比损失的计算方法，并通过最小化对比损失实现不同消息之间的对比学习。

本发明授权一种基于对比学习的在线内容的流行度预测方法在权利要求书中公布了：1.一种基于对比学习的在线内容的流行度预测方法，其特征在于，包括以下步骤： S1、通过消息在设定时间内的转发序列及其在用户之间的级联传播序列得到用户和消息的交互矩阵，交互矩阵中的每个元素表示对应用户转发对应消息的次数，从而获取消息和用户之间的交互关系二部图； 将二部图投影到全局图：全局图由消息构成顶点集合，不同消息顶点之间边的条数由它们之间被相同用户转发的次数确定； S2、利用消息在用户之间的级联传播序列得到消息在设定时间内在用户间的传播顺序，从而得到级联传播图序列；通过图表示算法将级联传播图序列中每一个传播级联图转化为对应时间序列的特征向量，从而得到在设定时间内的时间序列的特征向量； 将时间序列的特征向量输入到门控循环单元，得到消息对应的级联传播特征向量； S3、将所有消息的级联传播特征向量和全局图输入图卷积网络GCN得到全局图中消息节点的高阶表示，高阶表示经过多层感知机MLP得到消息的流行度的最终预测值 其中，在对图卷积网络GCN和多层感知机MLP进行训练时的损失函数L由均方误差MSE损失LMSE和对比损失LCon两部分组成： L＝LMSE+β·LCon LMSE为均方误差损失，LCON为对比损失函数，β为权重参数； 对比损失函数LCON的计算方式为： 其中，pos为正样本节点和锚节点之间的匹配程度pos＝ha,hpp，neg为负样本节点和锚节点之间的匹配程度neg＝ha,hnn，,表示向量内积，ha，hpp，hnn分别表示锚节点集合a、正样本节点集合pp和负样本节点集合nn对应的特征嵌入，ones为一个全1矩阵。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。