Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学杨旭华获国家专利权

浙江工业大学杨旭华获国家专利权

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!

龙图腾网获悉浙江工业大学申请的专利一种基于协同增强和图注意力神经网络的电影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:CN116662656B

龙图腾网通过国家知识产权局官网在2026-04-28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:202310623642.6,技术领域涉及:G06F16/9535;该发明授权一种基于协同增强和图注意力神经网络的电影推荐方法是由杨旭华;文茜琳;孙浩;徐振华;童越;周艳波设计研发完成,并于2023-05-29向国家知识产权局提交的专利申请。

一种基于协同增强和图注意力神经网络的电影推荐方法在说明书摘要公布了:一种基于协同增强和图注意力神经网络的电影推荐方法,包括:首先计算出用户和电影各自的协同电影邻居集合,获得对应的协同交互嵌入向量;接着将集合中的实体映射到电影知识图谱上进行传播获得对应的各层知识图谱嵌入向量以及多跳知识图谱嵌入向量;最后结合电影知识图谱嵌入向量和协同交互嵌入向量,获得最终的用户嵌入向量和电影嵌入向量,并计算得到用户对电影的预测点击概率,按照概率从高到低获得对用户推荐电影的预测排名结果。本发明考虑了协同信息与知识图谱信息的充分结合,准确性高,推荐效果好。

本发明授权一种基于协同增强和图注意力神经网络的电影推荐方法在权利要求书中公布了:1.一种基于协同增强和图注意力神经网络的电影推荐方法,包括如下步骤: 步骤1:抽取待处理电影数据集中各实体的特征信息和实体之间的关系信息,并以实体为节点,以实体关系为节点连边构建电影知识图谱,其中所述节点包括:电影名称节点、演员节点、主题节点、类型节点和年份节点;根据用户-电影交互矩阵获取用户和电影集合; 步骤2:使用知识图谱表示学习算法TransH对电影知识图谱数据进行预处理,获得电影知识图谱实体和关系的初始嵌入向量; 步骤3:任取用户集合中的一个用户,利用交互信息计算其初始交互电影实体集合,并根据该集合计算用户的交互嵌入向量; 步骤4:根据用户的初始交互电影实体集合映射到电影知识图谱上进行传播,计算第层的嵌入向量以及经随机采样后的头实体嵌入向量; 步骤5:通过步骤4中的头实体嵌入向量计算最终用户在电影知识图谱上的多层嵌入向量; 步骤6:通过步骤3中的交互嵌入向量、步骤4中的各层嵌入向量和步骤5中的多层嵌入向量计算用户的嵌入向量;遍历用户集合,重复步骤3~步骤6,计算所有用户的嵌入向量; 步骤7:任取电影集合中的一个电影,利用协同交互信息计算其初始协同电影实体集合,并根据该集合计算电影的协同嵌入向量; 步骤8:根据电影的协同交互电影实体集合映射到电影知识图谱上进行传播,计算第层的嵌入向量以及经随机采样后的头实体嵌入向量; 步骤9:通过步骤8中的头实体嵌入向量计算最终电影在电影知识图谱上的多层嵌入向量; 步骤10:通过电影的自身嵌入向量、步骤7中的协同嵌入向量、步骤8中的各层嵌入向量和步骤9中的多层嵌入向量计算电影的嵌入向量;遍历电影集合,重复步骤7~步骤10,计算所有电影的嵌入向量; 步骤11:根据用户和电影的嵌入向量预测用户观看电影的概率,计算损失函数,当损失值小于设定最小损失值后结束计算;对于集合中的某个用户,根据预测评分从高到低的结果排行推荐前个电影,其中为设定的推荐电影数量。

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工业大学,其通讯地址为:310014 浙江省杭州市拱墅区潮王路18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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。