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！

龙图腾网获悉浙江大学;浙江大学软件学院(宁波)管理中心(宁波软件教育中心)申请的专利一种基于互信息与改进图自编码器的多模态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：CN118395009B 。

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：202410556321.3，技术领域涉及：G06F16/9535；该发明授权一种基于互信息与改进图自编码器的多模态推荐方法是由席萌;杨孟铎;周洁;潘晓华;李莹;吴洋洋;张金山;尹建伟设计研发完成，并于2024-05-07向国家知识产权局提交的专利申请。

本一种基于互信息与改进图自编码器的多模态推荐方法在说明书摘要公布了：本发明公开了一种基于互信息与改进图自编码器的多模态推荐方法，包括：1构造物品‑物品共现图和物品前k相似度图，并将这两种物品图归一化；2通过改进的图自编码器学习有效的物品模态特征；3通过聚合用户所交互物品的模态表示来获得对应的用户模态特征；然后，使用L层GNN在交互图上传播和聚合用户物品的模态特征；4采用两个层次的互信息约束；5采用内积来预测用户和物品之间的交互概率，作为推荐的依据；然后，采用多任务训练方法来训练模型；6利用训练好的模型进行推荐的应用。利用本发明，可有效解决多模态推荐任务中的模态噪声问题、特征冗余问题、表示对齐问题，从而大幅度提升多模态推荐系统的性能。

本发明授权一种基于互信息与改进图自编码器的多模态推荐方法在权利要求书中公布了：1.一种基于互信息与改进图自编码器的多模态推荐方法，其特征在于，包括以下步骤： 1基于视觉编码器和文本编码器对物品所对应的图像和文本信息进行处理来得到物品的模态特征，然后构造物品-物品共现图和物品前k相似度图，并将这两种物品图归一化； 2通过改进的图自编码器学习有效的物品模态特征，具体为： 为了使不同模态特征具有相同的特征空间，利用物品模态特征降维技术对物品的模态特征降维，并利用一个转换函数F·将不同的模态特征从不同的空间映射到相同的特征空间； 采用低通编码器和高通解码器对上述步骤中获得的物品图的模态特征进行编码和解码；在低通编码器中，使用步骤1归一化后的物品图，来聚合相邻物品的表示来更新目标物品表示；在高通解码器中，使用高通滤波从目标节点中去除相邻节点的信息，进行特征重建； 最后采用一种信息相关减少机制取来约束低通编码器和高通解码器来去除特征中的噪音信息，并学习具有辨别性的模态特征；具体过程为： 给定视觉模态物品表示和文本模态物品表示首先计算交叉模态相关矩阵S∈RJ*J中的元素，如下： 其中，为第i个物品的视觉模态表示，mv为视觉模态；为第j个物品的文本模态表示，mt为文本模态；Si,j∈[-1,1]表示视觉视图中第i个项表示与文本视图中第j个项表示的余弦相似度，J为物品的总数； 然后，使交叉模态相关矩阵S去逼近一个单位矩阵I，公式为： 其中第一项鼓励S中的对角元素等于1，这意味着两种形式的表示被强制彼此一致；第二项使S中的非对角线元素等于0，以最小化在两种模式中对不同物品的表示之间的一致性；3通过聚合用户所交互物品的模态表示来获得对应的用户模态特征；然后，使用L层GNN在交互图上传播和聚合用户物品的模态特征以捕捉协同关系，来进一步完善用户和物品的模态特征； 4采用两个层次的互信息约束，包括特性级互信息最小化和实例级的互信息最大化，以减少步骤3中获得模态特征的冗余性以及对齐不同特征， 5采用内积来预测用户i和物品j之间的交互概率作为推荐的依据；然后，采用多任务训练方法来训练模型，联合优化推荐任务； 6最后，利用训练好的模型进行推荐的应用。

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浙江大学;浙江大学软件学院(宁波)管理中心(宁波软件教育中心)，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。