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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于洛伦兹图卷积网络的书籍推荐方法及系统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：CN116450941B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202310390582.8，技术领域涉及：G06F16/9535；该发明授权基于洛伦兹图卷积网络的书籍推荐方法及系统是由张维玉;朱子红;郭新超;乔新晓设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本基于洛伦兹图卷积网络的书籍推荐方法及系统在说明书摘要公布了：本发明公开了基于洛伦兹图卷积网络的书籍推荐方法及系统，属于智能化推荐技术领域，本发明要解决的技术问题为如何提高书籍推荐的精度，采用的技术方案为：该方法具体如下：数据采集：获取每个用户交互的书籍数据；构建用户‑书籍交互二部图：将采集到的欧式空间数据构造为非欧式空间数据，即图数据，具体是将用户与书籍之间的交互数据构造为用户‑书籍交互二部图；将数据集划分为训练集和测试集；构建LCF模型：初始化洛伦兹图卷积网络模型的相关参数，并将训练集的数据输入到洛伦兹图卷积网络模型中进行训练，直到洛伦兹图卷积网络模型收敛；生成预测结果，进行书籍推荐。

本发明授权基于洛伦兹图卷积网络的书籍推荐方法及系统在权利要求书中公布了：1.一种基于洛伦兹图卷积网络的书籍推荐方法，其特征在于，该方法具体如下： 数据采集：获取每个用户交互的书籍数据； 构建用户-书籍交互二部图：将采集到的欧式空间数据构造为非欧式空间数据，即图数据，具体是将用户与书籍之间的交互数据构造为用户-书籍交互二部图； 将数据集划分为训练集和测试集； 构建LCF模型：初始化洛伦兹图卷积网络模型的相关参数，并将训练集的数据输入到洛伦兹图卷积网络模型中进行训练，直到洛伦兹图卷积网络模型收敛； 生成预测结果，进行书籍推荐：联合利用多个图卷积层学习到的多个嵌入向量，以捕获不同卷积层的嵌入影响；对于洛伦兹图卷积网络模型生成的最终的用户和书籍的嵌入向量，基于双曲距离得到用户与书籍之间的预测分数，并且根据预测分数为用户推荐感兴趣的书籍； 其中，LCF模型的架构包括， 双曲编码层，用于在构造的用户-书籍二部图的基础上，使用图嵌入技术将用户-书籍的交互信息映射到双曲空间； 图卷积层，用于通过洛伦兹图卷积网络学习用户和书籍节点的嵌入表示； 预测层，用于在经过L层图卷积后，获得用户和书籍的表示编码丰富的结构信息，基于双曲距离预测用户对书籍的偏好； 双曲损失函数层，用于采用复合的损失函数将正样本的用户-书籍对与负样本的用户-书籍对分离，并对用户和书籍节点应用正则化器以充分利用双曲空间，直到网络收敛； 图卷积层具体如下： 对所有节点进行双曲特征转换；具体如下： 对于给定的点x＝x0,…,xn∈Hd,β，对最后n个坐标的值进行变换，以满足等式中的约束，确保转换后的节点特征严格遵循双曲几何，公式如下： 其中，M:Rn→Rm是一个m×n的矩阵，代表从n维到m维的线性映射；为对数映射操作，用于将点从双曲空间映射到切线空间； 使用洛伦兹矩阵-向量乘法对用户和书籍的初始嵌入进行特征变换得到转换后的嵌入表示和具体为： 双曲邻居聚合：利用基于平方洛伦兹距离的质心进行邻居信息聚合；具体如下： 对于每个节点特征计算每个邻居节点j对中心节点t的注意力相关分数；利用基于洛伦兹平方距离的自注意机制，公式如下： 其中，矩阵Ma是一个d×d维的矩阵，用于将节点特征转换为带有注意力的特征； 对于节点t的所有邻居Nt，引入softmax函数对μtj进行归一化，公式如下： 基于每个用户节点嵌入和书籍节点嵌入的质心进行邻居信息聚合，即最小化等式如下： 有闭合形式的解，故用户和书籍的节点嵌入更新为： 洛伦兹逐点非线性激活：对于给定的点x＝x0,…,xn∈Hd,β有： 其中,σ:Rn→Rn表示逐点非线性映射； 用户和书籍的嵌入更新为：

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齐鲁工业大学(山东省科学院)，其通讯地址为：250353 山东省济南市长清区大学路3501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”。