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！

龙图腾网恭喜南京邮电大学申请的专利基于邻居增强的图神经网络会话推荐方法、系统及设备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：CN115130001B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202210867990.3，技术领域涉及：G06F16/9535；该发明授权基于邻居增强的图神经网络会话推荐方法、系统及设备是由杨真真;闫孟儒;杨永鹏;王东涛设计研发完成，并于2022-07-22向国家知识产权局提交的专利申请。

本基于邻居增强的图神经网络会话推荐方法、系统及设备在说明书摘要公布了：本发明涉及一种基于邻居增强的图神经网络会话推荐方法、系统及设备，方法包括：S1、通过K临近算法需寻找出与目标推荐会话最相近的K个邻居会话，其中最后一项点击项目必须相同；S2、将目标会话和K个最相近的邻居会话建模到一张邻居增强会话图中；S3、利用门控图神经网络，学习得到的邻居增强图和原始目标会话图中的节点表示，并将最后一项点击的节点表示当作为用户的局部偏好；S4、引入Fastformer不考虑距离地捕获整个输入和输出序列本身的转换，并将结果作为用户的全局偏好；S5、将用户的全局偏好和局部偏好相融合，作为用户的最终表示。与现有基于会话的推荐系统相比，本发明在推荐的效率、准确率都具有明显的优势。

本发明授权基于邻居增强的图神经网络会话推荐方法、系统及设备在权利要求书中公布了：1.一种基于邻居增强的图神经网络会话推荐方法，其特征在于，包括以下步骤：S1、通过K临近算法寻找出与目标推荐会话最相近的K个邻居会话，且这K个邻居会话的最后一项点击项目均相同，以形成邻居会话集合Ns；S2、将目标会话和K个最相近的邻居会话建模到一张邻居增强会话图中，同时将原始的目标会话建模为一张原始目标会话图；S3、利用门控图神经网络，通过学习得到邻居增强会话图和原始目标会话图中的节点表示，并将最后一项点击的节点表示当作为用户的局部偏好；S4、引入Fastformer网络模型，不考虑距离地捕获整个输入和输出序列本身的转换，并将结果作为用户的全局偏好；S5、将用户的全局偏好和局部偏好相融合，作为用户的最终表示，对用户的下一个点击的项目进行预测，并将二元交叉熵函数作为损失函数；其中,步骤S3中所述的图神经网络模型的公式为：通过图的邻接矩阵A计算节点之间在t时间的信息传播 其中，是邻居增强会话sNs在t-1时刻的节点向量列表，Ain，Aout分别表示gNs的入度和出度矩阵，分别是控制权重的可学习入度和出度参数矩阵，bin，bout分别是入度和出度偏置，||表示拼接操作； 表示更新门，控制遗忘信息，其公式为： 其中是可学习的参数矩阵，σ·表示sigmoid函数； 表示重置门，决定更新信息，其公式为： 其中是可学习的参数矩阵，σ·表示sigmoid函数； 表示更新的信息，其公式为： 其中tanh·是双曲正切函数，是可学习的参数矩阵，⊙表示元素乘法运算符；将节点在t时刻的隐藏表示向量定义为其计算公式为： 步骤S4中引入Fastformer网络模型，具体包括以下操作步骤：1对于会话内所有项目的潜在表示s＝[h1,h2,...,h|s|]，首先将其线性转换为三个矩阵，即查询矩阵Q＝[q1,q2,...,q|s|]、键矩阵K＝[k1,k2,...,k|s|]、值矩阵V＝[v1,v2,...,v|s|]，其中接下来，使用加性注意机制将Q汇总到全局查询向量q中： 其中，是可学习的参数向量，d表示向量qi维度，αi是s中第i个向量的权重，i,j∈[1，|s|]；2使用全局查询向量和每个键向量之间的元素乘积来建模它们之间的交互，并将它们组合成全局上下文感知键矩阵pi＝q*ki；此外，加性注意机制还用于汇总全局上下文感知关键矩阵： 其中是可学习的参数向量，βi是全局上下文感知键向量pi的权重；3使用基于元素的乘积来建模P和K之间的交互，即ui＝k*vi；基于残差的思想，将原始查询矩阵Q加到线性变换后的U中，得到最终的模型输出，将其视为用户的全局偏好：sg＝Q+WrU。

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南京邮电大学，其通讯地址为：210023 江苏省南京市亚东新城区文苑路9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”。