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！

龙图腾网获悉西北农林科技大学申请的专利对比学习增强的协同知识图谱推荐模型构建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：CN116662529B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310533727.5，技术领域涉及：G06F16/335；该发明授权对比学习增强的协同知识图谱推荐模型构建方法是由李晓慧;李书琴设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本对比学习增强的协同知识图谱推荐模型构建方法在说明书摘要公布了：本申请涉及一种对比学习增强的协同知识图谱推荐模型构建方法，通过设计三个对比学习任务来补充推荐监督任务，可以缓解由于监督信号稀疏、长尾效应、噪声干扰等问题导致图神经网络学习到的节点表征不准确的问题；同时，为了对比学习能更有益于推荐任务，在节点表征和对比学习之间引入一个包含两个线性层的多层感知机帮助对比学习训练，本申请促进了基于知识图谱的推荐系统的发展，具有现实意义。

本发明授权对比学习增强的协同知识图谱推荐模型构建方法在权利要求书中公布了：1.一种对比学习增强的协同知识图谱推荐模型构建方法，其特征在于，包括： 获取协同知识图谱训练集；所述协同知识图谱训练集包括多个协同知识图谱；所述协同知识图谱中的节点包括用户节点、项目节点和实体节点，所述项目节点为书，所述实体节点为书的作者；所述协同知识图谱训练集为根据Amazon-Book数据集构建的； 将每个协同知识图谱输入到数据增强模块进行数据增强，得到第一子视图和第二子视图，包括： 按照随机删除比率分别生成用于删除边的第一向量和第二向量； 所述第一向量作用于所述协同知识图谱，得到第一子视图； 所述第二向量作用于所述协同知识图谱，得到第二子视图； 将所述第一子视图和所述第二子视图输入到节点表征提取模块，分别对所述第一子视图和所述第二子视图进行节点表征提取，分别得到每个节点的第一表征和每个节点的第二表征； 对所述每个节点的第一表征挖掘特征，得到所述每个节点的第三表征，以及对所述每个节点的第二表征挖掘特征，得到所述每个节点的第四表征，采用以下公式： 其中，为每个节点的第三表征，为激活函数，均为第一多层感知机的训练参数，为每个节点的第一表征，和b2均为偏差参数； 其中，为每个节点的第四表征，为激活函数，均为第二多层感知机的训练参数，为每个节点的第二表征，和b2均为偏差参数； 基于所述每个节点的第三表征和所述每个节点的第四表征，构建损失函数，包括： 构建用户侧损失函数： 其中，U为用户节点集合，，为余弦函数，为用户节点u的第三表征，为用户节点u的第四表征，为温度超参数，为用户节点v的第四表征； 构建用户项目交互侧损失函数： 其中，I为项目节点集合，，i为用户交互过的项目节点，g为用于未交互过的项目节点，为项目节点i的第四表征，为项目节点g的第四表征； 构建实体侧损失函数： 其中，E为实体节点集合，，为实体节点e的第三表征，为实体节点e的第四表征，为实体节点m的第四表征； 构建对比学习损失函数： 构建贝叶斯个性化排名损失： 其中，O为用户节点和项目节点交互的数据记录，表示用户节点u交互过的项目节点i的样本得分，表示用户节点u未交互过的项目节点g的样本得分；为用户节点u的第一表征或者第二表征，为项目节点i的第一表征或者第二表征，为项目节点g的第一表征或者第二表征； 构建损失函数： 其中，和均为超参数，为L2正则化项； 基于所述损失函数对所述数据增强模块和所述节点表征提取模块进行训练，得到训练后的数据增强模块和训练后的节点表征提取模块，所述训练后的数据增强模块和训练后的节点表征提取模块构成所述对比学习增强的协同知识图谱推荐模型。

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西北农林科技大学，其通讯地址为：712100 陕西省西安市杨凌示范区邰城路3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。