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！

龙图腾网获悉华南理工大学申请的专利一种基于超图和自监督学习的序列推荐方法、装置及介质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：CN116452281B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310276518.7，技术领域涉及：G06Q30/0601；该发明授权一种基于超图和自监督学习的序列推荐方法、装置及介质是由许勇;谢海泉设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本一种基于超图和自监督学习的序列推荐方法、装置及介质在说明书摘要公布了：本发明公开了一种基于超图和自监督学习的序列推荐方法、装置及介质，其中方法包括：获取序列推荐数据集并进行数据预处理，将用户历史交互数据构建为序列形式；对构建好的序列数据进行数据集划分，划分为训练集、验证集和测试集；设置可学习的嵌入向量，包括商品嵌入向量，属性嵌入向量，以及它们各自的超边嵌入向量；将序列数据输入到超图神经网络中，进行超图卷积，捕捉序列的上下文信息，最终学得用户序列表示，然后进行推荐预测。本发明利用超图神经网络，对序列数据的全局信息进行建模，捕捉序列中的多边关系，更好的建模用户的真实兴趣偏好，获得更好的推荐效果。本发明可以广泛应用于推荐系统领域。

本发明授权一种基于超图和自监督学习的序列推荐方法、装置及介质在权利要求书中公布了：1.一种基于超图和自监督学习的序列推荐方法，其特征在于，包括以下步骤： 获取用户在电商平台的序列数据集，所述序列数据集包括商品信息、用户交互时间戳和商品对应的属性信息； 对所述序列数据进行数据清洗，将数据清洗后的商品以及其对应的属性按照时间顺序构建为序列结构； 将构建好的商品和属性序列数据输入到构建好的超图模型中，得到用户在商品端序列和属性端序列的嵌入向量； 对商品序列的嵌入向量和属性序列的嵌入向量进行无监督的对比学习； 联合序列推荐任务的有监督损失和对比学习的无监督损失对序列推荐模型进行训练学习； 将最终学得商品序列的嵌入向量和所述序列数据集中的所有商品的嵌入向量进行相似度计算，将相似度较高的物品推荐给用户； 所述将构建好的商品和属性序列数据输入到构建好的超图模型中，得到用户在商品端序列和属性端序列的嵌入向量，包括： 在商品端和属性端设置可学习的超边嵌入向量； 使用商品序列嵌入向量和超边嵌入向量构造超图矩阵，得到一个可学习的商品与超边的第一关联矩阵； 使用属性序列嵌入向量和超边嵌入向量构造超图矩阵，得到一个可学习的属性与超边的第二关联矩阵； 根据得到的第一关联矩阵和第二关联矩阵，叠加多层超图网络，进行超图卷积，获取序列上的高阶信息，得到商品序列和属性序列最终的嵌入向量； 所述第一关联矩阵的表达式为： 所述第二关联矩阵的表达式为： 其中，为商品端的超边嵌入向量矩阵，为商品序列的嵌入向量矩阵，为属性端的超边的嵌入向量矩阵，为属性序列的嵌入向量矩阵。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。