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！

龙图腾网获悉西安电子科技大学申请的专利一种本地二部图的去中心联邦图神经网络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：CN116796059B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310370622.2，技术领域涉及：G06F16/9535；该发明授权一种本地二部图的去中心联邦图神经网络推荐方法是由王子龙;董卓欣;陈谦;王鸿波;柴政;闫梦晴设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种本地二部图的去中心联邦图神经网络推荐方法在说明书摘要公布了：本发明提出一种本地二部图的去中心联邦图神经网络推荐方法，实现步骤为：构建去中心联邦推荐系统；基于通信距离对客户端进行分簇；构造每个簇内客户端的本地二部图；获取训练数据集和测试数据集；客户端初始化本地联邦推荐模型，并对其进行迭代训练；获取用户对物品的推荐结果。本发明客户端协商簇头以及全局聚合节点负责簇内与簇间模型参数聚合，一旦簇头或全局聚合节点掉线可重新选举，防止模型训练失败；客户端之间实现隐私保护求交方法，获取与簇内客户端的物品交集集合，在原有的左侧为客户端顶点右侧为该客户端交互的物品顶点的连线图上，添加左侧为簇内客户端顶点右侧为物品交集顶点的连线，使本地二部图更加稠密，获取推荐准确率更高。

本发明授权一种本地二部图的去中心联邦图神经网络推荐方法在权利要求书中公布了：1.一种本地二部图的去中心联邦图神经网络推荐方法，其特征在于，包括如下步骤： 1构建去中心联邦推荐系统： 构建包括M个客户端和N个待评分物品的去中心联邦推荐系统，每个客户端um持有Zm个待评分物品及对应标签其中，M≥100，um表示第m个客户端，N≥100，tn表示第n个待评分物品，Zm≥50，tm,z表示um的第z个待评分物品，ym,z表示tm,z对应的标签； 2基于通信距离对客户端进行分簇： 基于通信距离将M个客户端分为S个簇每个簇内的Is个客户端协商选举簇头节点τs，S个簇的簇头节点协商选举全局聚合节点τ；其中，S≥5，表示第s个簇，Is表示中包含的客户端的总数，Is≥10，cs,i表示中的第i个客户端； 3构造每个簇内客户端的本地二部图： 对每个簇内的每两个客户端cs,i、cs,j持有的待评分物品集合 进行隐私保护求交，得到客户端cs,i与cs,j的共有物品交集并构造以每个簇内的每个客户端cs,i、cs,i持有的Zm个待评分物品ts,i,z分别为左侧顶点、右侧顶点，以cs,i与ts,i,z的连线和以cs,j与中每个物品的连线为边的cs,i的本地二部图Gs,i； 4获取训练数据集和测试数据集： 每个客户端cs,i获取包含客户端cs,i的ID、评分物品ts,i,z的ID、ts,i,z的标签ys,i,z以及本地二部图Gs,i作为cs,i的Zs,i条评分数据，然后将所有评分数据中的半数以上组成训练数据集将剩余评分数据组成测试数据集 5客户端初始化本地联邦推荐模型Ws,i，并对其进行迭代训练： 5a每个客户端cs,i初始化包括顺次连接嵌入层、K个层叠的轻量级图卷积层LGC、合并层以及F个层叠的全连接层的本地联邦推荐模型Ws,i，簇间的聚合轮次为l，最大簇间聚合轮次为L，L≥15，簇内聚合轮次为α，最大簇内聚合轮次为P，P≥5，第l次簇间聚合第α次簇内聚合的本地联邦推荐模型的模型参数为并令l＝0； 5b令α＝0； 5c将训练数据集中有放回地随机选取B个训练数据作为每个客户端cs,i本地联邦推荐模型Ws,i的输入，嵌入层将客户端cs,i的ID、评分物品ts,i,z的ID转化为d维的用户嵌入向量物品嵌入向量K个LGC层基于本地二部图Gs,i对与进行卷积聚合；合并层对卷积聚合后的用户嵌入向量与物品嵌入向量进行特征融合；F个层叠的全连接层根据特征融合的嵌入向量对客户端us,i对物品ts,i,b的进行评分预测，得到预测评分 5d使用预测评分标签及其对应的真实评分标签ys,i,b计算本地推荐模型的MSE损失值并使用随机梯度下降算法，通过对模型参数进行更新，得到第l次簇间聚合中第α次簇内训练的模型参数并上传至簇头τs； 5e簇头τs对模型参数进行聚合得到模型参数分发至簇内客户端cs,i，并判断α＝P是否成立，若是，得到簇内第l次簇间聚合第P次簇内聚合的联邦推荐模型Ws l,P的模型参数簇头τs将聚合的模型参数上传至全局聚合节点τ后，簇内用户cs,i与cs,j互相传输用户嵌入向量与并执行步骤5f，否则，令α＝α+1，执行步骤5c； 5f全局聚合节点τ对模型参数进行聚合，并将聚合模型参数ωl分发至每个客户端cs,i后，得到全局的第l次簇间聚合的联邦推荐模型Wl的模型参数ωl，判断l＝L是否成立,若是，得到训练好的联邦推荐模型Wl，否则l＝l+1，执行步骤5b； 6获取用户对物品的推荐结果： 将测试数据集作为训练好的本地推荐模型的输入进行前向传播，得到测试数据集中客户端us,i对物品ts,i,o的预测评分

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。