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！

龙图腾网获悉东南大学申请的专利基于城市时空知识图谱的兴趣点实时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：CN115470362B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211223975.1，技术领域涉及：G06F16/36；该发明授权基于城市时空知识图谱的兴趣点实时推荐方法是由金嘉晖;张皓翔;张竞慧;罗军舟设计研发完成，并于2022-10-06向国家知识产权局提交的专利申请。

本基于城市时空知识图谱的兴趣点实时推荐方法在说明书摘要公布了：本发明公开了基于城市时空知识图谱的兴趣点实时推荐方法，旨在为用户提供将来其最有可能访问的兴趣点列表，包括三个部分：城市时空知识图谱构建模块、图谱实体特征学习与用户长短期偏好提取模块、和用户推荐结果生成模块；以城市时空知识图谱为基础，图谱融合了多源城市数据，以兴趣点为中心，辅以各种城市多源数据，用动态图的方式有效表征了实体语义信息和城市时空信息。本发明基于时空城市知识图谱，学习了兴趣点、类别、品牌等实体随着时间推移的动态特征，并且从图谱中提取用户长短期偏好，最后基于学习到的实体特征和用户偏好，生成兴趣点推荐列表，将得分排名前n个兴趣点推荐给用户。

本发明授权基于城市时空知识图谱的兴趣点实时推荐方法在权利要求书中公布了：1.基于城市时空知识图谱的兴趣点实时推荐方法，其特征在于，该方法包括以下步骤： 步骤1.整合城市的异构多源数据，得到城市时空知识图谱模式，构建城市时空知识图谱G＝{G1,G2,…Gn}，n为图谱层的数量；对于任意一层图谱，其结构为Gi＝{V,E}；其中V＝{POI,CATEGORY,BRAND,BA,REGION,USER}为包含6个域，即兴趣点、类别、品牌、商圈、区域、用户的实体集合，E＝{Ecross,Ewithin}为包含域间和域内的实体关系集合；通过不同初始化方式得到6个域实体的初始特征p、c、b、ba、r和u以及关系的初始特征； 步骤2.对于一层图谱内，使用图卷积神经网络模型学习一层图谱内不同实体间影响；对于同一个实体在多层图谱间，使用长短期记忆人工神经网络学习6个域实体随时间变化的动态特征和以及关系随时间变化的动态特征； 步骤3.结合学习到的城市时空知识图谱中的动态实体向量表征，得到用户u对兴趣点的长期偏好以及短期偏好 步骤4.对于学习到的知识图谱实体和关系的动态特征，结合用户长短期偏好，进行推荐结果的生成；推荐结果结合基于关系的评分基于长期偏好的评分和基于短期偏好的评分对兴趣点计算进行最终评分su→p；对候选集中的兴趣点打分，并根据得分排序取前k个兴趣点作为推荐兴趣点列表； 步骤2中对于一层图谱内，使用图卷积神经网络模型学习一层图谱内不同实体间影响，为了利用图谱中不同类型节点和边的信息，充分考虑节点的邻居影响，具体步骤为： 步骤20101.对于图谱中的节点v，在GCN的第i层的隐向量表示为对于图谱中的一类型边e，在GCN的第i层的隐向量表示为图谱中的一个三元组表示为v,e,w，意为节点v经过边e到达节点w点；节点v在GCN第i+1层的隐向量的计算公式如式3，其中σ·为从d维实数空间映射到d维实数空间的非线性激活函数，是节点v在边类型e下的邻居节点集合；为边类型e在第i层的投影矩阵，操作°为两个向量的逐元素相乘的操作： 步骤20102.通过不同的关系投影矩阵，信息在一层图谱传播中，能自动识别不同边对于信息传播的重要性，从而提取到更有用的城市图谱知识；对于图谱中的边类型e，在GCN第i+1层的隐向量计算如下式： 步骤20103.在多层图谱的每一层中都进行步骤20101-步骤20102所述的信息传播操作。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。