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！

龙图腾网获悉南京邮电大学申请的专利一种基于多行为特征融合的电商会话推荐方法、系统、装置及介质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：CN115659277B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211299136.8，技术领域涉及：G06F18/25；该发明授权一种基于多行为特征融合的电商会话推荐方法、系统、装置及介质是由卢官明;丁佳伟;鲍秉坤;余鹏航设计研发完成，并于2022-10-21向国家知识产权局提交的专利申请。

本一种基于多行为特征融合的电商会话推荐方法、系统、装置及介质在说明书摘要公布了：本发明公开了一种基于多行为特征融合的电商会话推荐方法及系统。该方法包括以下步骤：获取电商数据库中用户对商品的点击、收藏、购买、加入购物车四种会话行为数据；构建一种基于多行为特征融合的电商会话推荐模型，该模型包括行为特征提取模块、商品特征提取模块、商品高阶特征提取模块、会话特征提取模块和商品推荐模块；使用电商数据库中的四种会话行为数据对所述的电商会话推荐模型进行训练；利用训练好的电商会话推荐模型对会话中的用户进行商品推荐，输出推荐结果。本发明利用电商会话推荐模型融合会话中的多行为特征，能有效提升推荐性能。

本发明授权一种基于多行为特征融合的电商会话推荐方法、系统、装置及介质在权利要求书中公布了：1.一种基于多行为特征融合的电商会话推荐方法，其特征在于，该方法包括以下步骤： S1：获取电商数据库中用户对商品的点击、收藏、购买、加入购物车四种会话行为数据； S2：构建一种基于多行为特征融合的电商会话推荐模型，该模型包括行为特征提取模块、商品特征提取模块、商品高阶特征提取模块、会话特征提取模块和商品推荐模块； 所述的行为特征提取模块，用于提取用户在会话中对商品的点击、收藏、购买、加入购物车四种行为的特征向量；其中，点击行为是主要行为，收藏、购买、加入购物车三种行为是基于点击行为发生的次要行为； 所述的商品特征提取模块，由分级的门控循环单元网络构成，用于对所提取的四种行为特征向量进行融合，输出商品特征向量；其中分级的门控循环单元网络由三级门控循环单元网络构成： 第一级门控循环单元网络以收藏行为特征向量和购买行为特征向量为输入，自适应学习收藏行为特征向量和购买行为特征向量的重要性权重，并对其进行加权求和，得到收藏与购买行为特征的融合特征向量； 第二级门控循环单元网络以收藏与购买行为特征的融合特征向量和加入购物车行为特征向量为输入，自适应学习两种特征向量的重要性权重，并对其进行加权求和，得到次要行为的融合特征向量； 第三级门控循环单元网络以次要行为的融合特征向量和点击行为特征向量为输入，自适应学习两种特征向量的重要性权重，并对其进行加权求和，得到商品特征向量； 所述的商品高阶特征提取模块，由门控图神经网络构成，以会话中用户对商品的点击顺序关系构建的邻接矩阵以及商品特征向量为输入，提取商品高阶特征向量； 所述的会话特征提取模块，由注意力模块和门控循环单元网络构成，对当前兴趣特征向量和全局兴趣特征向量进行自适应融合，输出会话特征向量； 所述的商品推荐模块，通过向量点积运算计算会话特征向量与候选商品特征向量的相似度，根据相似度从高到低进行排序，向用户推荐相似度排名前K位的商品； S3：使用电商数据库中的四种会话行为数据对所述的电商会话推荐模型进行训练； S4：利用训练好的电商会话推荐模型对会话中的用户进行商品推荐，输出推荐结果； 所述步骤S2中的商品高阶特征提取模块，以会话中用户对商品的点击顺序关系构建的邻接矩阵以及商品特征向量为输入，提取商品高阶特征向量的具体步骤如下： S2.3.1：针对会话s中不同的商品vs,1,vs,2,...,vs,l，其商品特征向量分别表示为根据会话中用户对商品的点击顺序关系vs,1→vs,2→…→vs,m，构建邻接矩阵邻接矩阵中的元素xow，当o＝w时，取值为1；当o≠w时，若商品vs,o与商品vs,w存在顺序交互关系，即点击商品vs,o后，立即点击商品vs,w，则xow＝1，否则xow＝0；其中，l表示会话s中不同商品的个数，l为正整数，o＝1,2,...l，w＝1,2,...l，m∈{1,2,...,l}； S2.3.2：对于会话s中的商品vs,j，将会话s中的商品特征向量以及邻接矩阵As中与商品vs,j相关的列向量输入到L层门控图神经网络；经过k层门控图神经网络学习后，得到商品vs,j的聚合特征向量，其表达式为： 其中，和是可学习的参数，当k＝1时，即为是商品特征向量，当k∈{2,3,...,L}时，是第k-1层门控图神经网络输出的商品特征向量，表示邻接矩阵As中与商品vs,j相关的列向量，表示第k层门控图神经网络输出的商品vs,j的聚合特征向量，L为正整数，j∈{1,2,...,l}，k∈{1,2,3,...,L}； S2.3.3：利用门控网络的更新门，自适应学习在第k层门控图神经网络中，商品vs,j第k-1层网络输出的商品特征向量需要更新的信息，其表达式为： 其中，和是可学习的参数，是门控网络中更新门输出的权重向量，决定了第k-1层网络输出的商品特征向量有多少信息被更新； S2.3.4：利用门控网络的重置门，自适应学习在第k层门控图神经网络中，商品vs,j在第k-1层网络输出的商品特征向量需要丢弃的信息，并计算第k层网络的候选状态向量，其表达式为： 其中，和是可学习的参数，是门控网络中重置门的输出向量，决定了第k-1层网络输出的商品特征向量有多少信息被丢弃，是第k层网络的候选状态向量； S2.3.5：计算商品vs,j经过第k层门控图神经网络后输出的商品特征向量，其表达式为： 其中，商品vs,j经过k层门控图神经网络后输出的商品特征向量； S2.3.6：当k＝L时，得到vs,j的商品高阶特征向量，其表达式为： 其中，是vs,j的商品高阶特征向量；会话s中的商品vs,1,vs,2,...,vs,l，其高阶特征向量皆由上述步骤计算得到，分别表示为

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：210033 江苏省南京市栖霞区广月路30-06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”。