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一种融合注意力机制的图神经网络模型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：CN114168840B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202111090997.0，技术领域涉及：G06F16/9535；该发明授权一种融合注意力机制的图神经网络模型推荐方法是由吴长旺;黄刚;胡婷婷设计研发完成，并于2021-09-17向国家知识产权局提交的专利申请。

本一种融合注意力机制的图神经网络模型推荐方法在说明书摘要公布了：本发明揭示了一种融合注意力机制的图神经网络模型推荐方法，该方法包括以下步骤：S1：输入数据预处理，输入数据预处理分为两个部分，用户物品模型和用户社交模型。针对当前推荐系统准确率不高，无法准确利用社交网络信息和时序信息的问题，该方法可以把用户与项目的时序信息考虑在内，并且能够融入用户的社交网络信息。本技术方案充分利用了时序信息和社交网络信息，加入多头注意力机制对用户进行推荐时，着重考虑在不同方面朋友对用户的影响，而非考虑朋友之间的相互影响，使得该算法有更好的性能。

本发明授权一种融合注意力机制的图神经网络模型推荐方法在权利要求书中公布了：1.一种融合注意力机制的图神经网络模型推荐方法，其特征在于：该方法包括以下步骤：S1：输入数据预处理，输入数据预处理分为两个部分，用户物品模型和用户社交模型；S2：在S1步骤得到的用户物品模型中，计算用户ui在集合V上的邻域节点集合集合中的物品节点vj按时间t升序排列，得到长度为L的物品序列Sui＝[v1，v2，…，vL]；对序列Sui中的物品元素vj通过onehot编码方式进行编码，然后进入嵌入层得到相应的嵌入向量以及对应评分的嵌入表示将与拼接并输入感知机降维，得到一个包含评分分值的物品信息表示ejτ并且更新物品序列S；S3：将S2步骤更新后的物品序列S作为门控循环单元的输入，同时输入初始隐藏状态h0，得到门控循环单元在每个时刻最后输出构成的长度为L的序列其中k为门控循环单元的堆叠层数；门控循环单元在时刻t进行下列计算: rt＝σWirxt+bir+Whrht-1+bhr2zt＝σWizxt+biz+Whzht-1+bhz3nt＝tanhWinxt+bin+Whnht-1+bhn4ht＝1-zt⊙nt+zt⊙ht-15其中，δ表示Dropout函数，σ表示Sigmoid激活函数，⊙表示元素乘积；xt表示当前时刻的输入，ht-1表示GRU单元上一时刻的隐藏状态；S4：拼接h’与并经过线性层以及非线性ReLU函数的激活，得到作为邻域集合Nvui的聚合结果；将聚合结果与顶点自身嵌入表示拼接，进行线性仿射与非线性激活，得到该用户节点第n次迭代的表示S5：在用户社交模型中，对于所有的用户和朋友，首先利用门控网络将用户和用户朋友嵌入，特征融合后得到融合嵌入向量表示；在得到融合向量S后，从注意力权重矩阵Q中学习注意力向量；注意向量a的每个元素被定义为：然后，使用softmax函数对a进行归一化，得到最终结果： 朋友嵌入ui，j经由记忆矩阵Q扩展到矩阵：Fl＝ui，j⊙Ql7其中⊙表示向量的元素积；矩阵F表示不同潜在方面中的朋友偏好；最后，为了生成朋友向量表示，使用注意力分数来计算F的加权表示：fi，j＝ΣalFl8输出是一个特定的关系向量fi，j，看作是用户i的第j个朋友对此用户偏好的影响向量；设fi，1，fi，2…fi，j为注意力记忆模块生成的用户j的朋友关系向量；S6：利用多头注意力机制，对于每一个用户Q，将其与上层得到的输入朋友向量K进行比较，得到不同朋友影响下的输出向量，公式如下： pi，j＝MultiHeadAttentionQ，K，V＝Concathead，…head10S7：将上层的输出与用户本身相融合，得到用户综合兴趣偏好；受门控机制的影响，门控G和最终得到的用户在受到朋友的不同方面影响下Ii的计算公式为：

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：210046 江苏省南京市栖霞区文苑路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”。