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！

龙图腾网恭喜上海交通大学申请的专利基于时间感知超图图卷积的预测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：CN114880576B 。

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：202210611429.9，技术领域涉及：G06F16/9535；该发明授权基于时间感知超图图卷积的预测方法是由朱燕民;陈润丰;唐飞龙;俞嘉地设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。

本基于时间感知超图图卷积的预测方法在说明书摘要公布了：一种基于时间感知的超图图卷积会话推荐方法，将物品点击序列转化为基于时间感知的超图以及局部图，并分别根据时间感知超图图卷积捕捉超图中的高阶的物品转换关系，根据图注意力网络挖掘会话序列数据中物品间的依赖关系，经训练后实现同时收敛后，预测将要点击的下一个物品。本发明在构图中要充分挖掘物品的时间间隔信息并应用于图卷积中，将已知的会话序列构成超图和局部图，图中每条边的权重由物品的出现次数和时间间隔共同决定，并通过推荐系统模型预测下一个将要被点击的物品。

本发明授权基于时间感知超图图卷积的预测方法在权利要求书中公布了：1.一种基于时间感知的超图图卷积会话推荐方法，其特征在于，将物品点击序列转化为基于时间感知的超图以及局部图，并分别根据时间感知超图图卷积捕捉超图中的高阶的物品转换关系，根据图注意力网络挖掘会话序列数据中物品间的依赖关系，经训练后实现同时收敛后，预测将要点击的下一个物品；所述的基于时间感知的超图GT＝V,E，统计所有会话中物品的出现次数以及时间间隔，用于计算在全局范围内所有物品间的依赖关系，其中：V和E分别是物品节点的集合和超边的集合；所述的局部图，记录一个会话内相邻物品的关系，局部图中的节点表示每个物品，当物品i出现在物品j后面，则在i和j之间连一条有向边，边的权重由两个物品在该会话中的共同出现次数和时间间隔共同决定；所述的推荐方法，具体包括：步骤1数据预处理：对所有的会话序列进行数据清洗，去掉噪声数据和出现次数过少的物品，同时保留会话中所有物品的时间戳；然后进行数据增强，将每个会话中从头开始的不同长度的子序列作为一个新会话，后面的物品作为目标物品，组成一个新的训练样本；步骤2构建超图和局部图：首先统计所有会话中所有物品的出现次数以及对应的时间戳，根据这些信息，运用超图的原理，通过特殊的矩阵运算构造时间感知的超图作为超图；然后对每一个会话，构造局部图，相邻物品节点之间连一条边，边的权重由物品共同出现次数和时间间隔共同决定；步骤3构建并训练基于时间感知的超图推荐模型，该超图推荐模型包括：输入层、全局表示学习层、局部表示学习层、会话表示生成层和推荐结果生成层，其中：输入层以超图和局部图中的所有节点作为输入，为每个节点随机生成一个向量x作为该节点的初始化表示，同时为不同的时间间隔区间初始化一个向量c作为该区间的表示；全局表示学习层通过多层卷积得到物品的全局表示；局部表示学习层利用图注意力网络动态的捕捉一个会话内不同物品的相关性，通过对一个点周围邻居表示的聚合得到该物品的局部表示；会话表示生成层融合全局表示和局部表示，生成代表该会话的嵌入表达；推荐层计算该会话的表示和每个物品的初始化表示的相似度为每一个候选物品打分并推荐得分最高的物品；步骤4推荐结果：在分别图卷积获得物品的全局表示和局部表示后，首先对这两种不同表示进行融合，获得每个物品的表达；由于一个会话内存在多个物品，然后通过注意力机制，以所有物品表达的平均作为查询，计算会话中每个物品和该查询的相似度得分，再根据得分加权聚合一个会话内所有的物品的表达，从而得到该会话的表达；最终用该会话地表达通过点积运算计算其对所有的物品的偏好程度；根据计算的偏好程度的打分，将物品从高到低进行排序，选出最高的k个物品进行推荐，获得最终的推荐结果；所述的训练，使用交叉熵作为损失函数：其中：yi表示物品真实的得分，即对于正样本得分为1，负样本得分为0；先对基于时间感知的超图进行训练，即只使用完成推荐预测，当网络收敛时再加入局部图物品的表示将两张图一起训练。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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”。