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！

龙图腾网获悉重庆邮电大学申请的专利一种基于图神经网络与协同关系挖掘的兴趣点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：CN116738051B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310706507.8，技术领域涉及：G06F16/9535；该发明授权一种基于图神经网络与协同关系挖掘的兴趣点推荐方法是由桑春艳;易星宇;廖世根设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本一种基于图神经网络与协同关系挖掘的兴趣点推荐方法在说明书摘要公布了：本发明涉及一种基于图神经网络与协同关系挖掘的兴趣点推荐方法，包括：对原始兴趣点签到数据集进行预处理；根据每个兴趣点被用户签到的总次数计算每个兴趣点的流行度；利用kmeans算法对兴趣点进行聚类得到兴趣点的目标类别标签；将用户和兴趣点作为节点，用户和兴趣点之间的签到关系作为边构建用户兴趣点关系二部图；根据用户兴趣点关系二部图中用户节点的隐式关系节点和用户对兴趣点的签到时间利用基于多头自注意力机制的图神经网络提取用户节点在图神经网络中所有隐藏层的特征表示；利用Softmax计算得到兴趣点推荐列表；向用户进行推荐概率值高于设定阈值的兴趣点，本发明有助于兴趣点推荐服务商提高兴趣点推荐的精度。

本发明授权一种基于图神经网络与协同关系挖掘的兴趣点推荐方法在权利要求书中公布了：1.一种基于图神经网络与协同关系挖掘的兴趣点推荐方法，其特征在于，包括： S1：获取原始兴趣点签到数据集，并对原始兴趣点签到数据集进行预处理；所述原始兴趣点签到数据包括：兴趣点的ID、用户的ID、用户对兴趣点的签到时间、兴趣点的初始类别标签和兴趣点的坐标； S2：根据原始兴趣点签到数据集中每个兴趣点被用户签到的总次数计算每个兴趣点的流行度；根据兴趣点的流行度、兴趣点的初始类别和兴趣点的坐标利用kmeans算法对兴趣点进行聚类得到兴趣点的目标类别标签； S3：将用户对兴趣点的签到时间转换为以小时进行表示；将用户和兴趣点作为节点，用户和兴趣点之间的签到关系作为边构建用户兴趣点关系二部图； S4：根据用户兴趣点关系二部图中用户节点的隐式关系节点和用户对兴趣点的签到时间利用基于多头自注意力机制的图神经网络提取用户节点在图神经网络中所有隐藏层的特征表示； 所述利用基于多头自注意力机制的图神经网络提取用户节点在图神经网络中所有隐藏层的特征包括： 图神经网络包括：输入层、输出层和多个隐藏层；在每一个隐藏层中进行如下操作： S41：根据用户节点的隐式关系节点提取用户节点的隐式协同信号特征，具体如下所示： 其中，表示图神经网络第l-1个隐藏层中用户节点u的隐式协同信号特征，W1 l-1为图神经网络第l-1个隐藏层的权重参数矩阵，为用户节点u的第i个隐式关系节点ui在第l-1个隐藏层中的特征表示，为用户节点u与隐式关系节点ui的相似度权重，implicit,u表示用户节点u的隐式关系节点集合； S42：根据用户对兴趣点的签到时间利用多头自注意力机制计算用户节点的时空特征，具体如下所示： 其中，为可训练的参数，表示图神经网络第l-1层隐藏层中用户节点u的特征表示、表示图神经网络第l-1个隐藏层中兴趣点v的特征表示，hp,u表示用户节点u相邻的所有兴趣点的签到时间特征矩阵、hg,u表示用户节点u相邻的所有兴趣点的空间特征表示矩阵，和表示可训练的权重参数矩阵，Pr,u表示用户节点u访问的所有相邻兴趣点的位序向量；表示图神经网络第l-1个隐藏层中用户节点u的时空特征； S43：根据图神经网络第l-1个隐藏层中用户节点的隐式协同信号特征和用户节点的时空特征计算图神经网络第l个隐藏层中用户节点的特征进而得到用户节点在图神经网络中所有隐藏层的特征； 其中，表示图神经网络第l层中用户节点u的特征表示，Nu表示用户节点u的邻居节点集合，其中，兴趣节点的初始初始特征向量由兴趣点的ID嵌入向量得到，兴趣点的空间特征表示由兴趣点的目标类别值嵌入向量得到，用户节点对兴趣点的签到时间特征表示由用户对兴趣点的签到时间嵌入向量得到； S5：根据用户节点在图神经网络中所有隐藏层的特征表示和所有兴趣点的初始特征向量利用Softmax计算得到兴趣点推荐列表；选择概率值高于设定阈值的兴趣点向用户进行推荐。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。