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！

龙图腾网获悉中国科学技术大学申请的专利基于图对比学习的序列推荐数据增强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：CN115795334B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202211604474.8，技术领域涉及：G06F18/23213；该发明授权基于图对比学习的序列推荐数据增强方法是由陈恩红;王皓;韩永强;吴李康;连德富设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本基于图对比学习的序列推荐数据增强方法在说明书摘要公布了：本发明公开了一种基于图对比学习的序列推荐数据增强方法。该方法包括以下四个模块：一、全局图的建立；二、数据增强；三、用户兴趣挖掘；四、多任务学习。通过引入图对比学习，在构建的全局物品关系图中捕捉用户行为序列之间的深层连接关系，可以有效地加强物品嵌入表示，缓解真实推荐场景中数据稀疏和噪声问题，提升推荐效果。

本发明授权基于图对比学习的序列推荐数据增强方法在权利要求书中公布了：1.一种基于图对比学习的序列推荐数据增强方法，其特征在于，所述方法包括： 步骤1、获取真实应用场景中用户的历史行为序列，并对原始数据预处理； 步骤2、根据预处理后得到的用户行为序列，统计各个物品对之间的多阶连接信息；再根据统计信息计算全局图中各物品之间边的权重并进行归一化，并设定阈值过滤噪声信息；最终，构建出全局图； 步骤3、对于每一个物品，通过邻域采样获取其子图对进行增强表示，包括根据步骤2构造的全局图，以概率对在中的邻居进行采样；其中，是和在全局图中权重和采样深度的比率；对于每个物品，通过两个取样过程得到两个增强的视图和； 步骤4、对于一个特定的物品，经过步骤3获得了两个增强子图和；之后，采用LightGCN作为编码器，在不同的视图中使用共享参数，得到在的嵌入表示为，得到在另一个视图中的嵌入表示为； 步骤5、使用分桶聚类的方法进行负采样，缓解物品表征的分布并不均匀的负面影响，包括根据数据集中提供的物品的粗粒度属性和当前物品的嵌入表示将物品划分到不同的桶中，并根据K-means算法迭代更新物品的位置信息和桶的信息； 步骤6、利用胶囊网络CapsNet进行兴趣提取，包括：设置个兴趣胶囊，进行若干次迭代，得出用户的兴趣表示为；给定一个嵌入表示为的目标物品，利用目标注意力机制得到用户的融合偏好； 步骤7、对预测任务和对比学习任务进行联合优化。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。