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！

龙图腾网获悉广东工业大学申请的专利一种基于多模态数据增强对比学习的推荐方法和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：CN118170971B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202410256385.1，技术领域涉及：G06F16/9535；该发明授权一种基于多模态数据增强对比学习的推荐方法和系统是由刘广聪;叶振宇设计研发完成，并于2024-03-06向国家知识产权局提交的专利申请。

本一种基于多模态数据增强对比学习的推荐方法和系统在说明书摘要公布了：本发明公开了一种基于多模态数据增强对比学习的推荐方法和系统，包括：获取推荐数据集，构建用户‑物品邻接矩阵和用户‑物品知识图谱，然后构建实体表示向量集合和词向量嵌入矩阵，再分别进行特征提取操作，得到实体中物品的特征表示向量集合和物品对应多模态数据的表示向量集合，对其分别降维；构建对比学习损失函数，对降维后的表示向量集合进行对比学习，当对比学习损失小于预设阈值时，得到优化后的实体中物品的表示向量集合和用户的表示向量集合；计算每个用户对每个物品的匹配分数，将匹配分数大于预设阈值的物品推荐给用户。本发明不但可以有效缓解数据稀疏问题，而且可以减少数据增强运算的成本，在一定程度上提升模型的鲁棒性。

本发明授权一种基于多模态数据增强对比学习的推荐方法和系统在权利要求书中公布了：1.一种基于多模态数据增强对比学习的推荐方法，其特征在于，所述方法包括： S1：获取推荐数据集； S2：对所述推荐数据集进行预处理，构建用户-物品邻接矩阵和用户-物品知识图谱； S3：利用所述用户-物品知识图谱构建实体表示向量集合和词向量嵌入矩阵； S4：对所述用户-物品邻接矩阵和实体表示向量集合分别进行特征提取操作，得到实体中物品的特征表示向量集合； S5：利用所述词向量嵌入矩阵得到实体中物品对应多模态数据的表示向量集合； S6：将所述实体中物品的特征表示向量集合和物品对应多模态数据的表示向量集合分别降维，得到降维后的实体中物品的表示向量集合和物品对应多模态数据的表示向量集合； S7：构建对比学习损失函数，对降维后的实体中物品的表示向量集合和物品对应多模态数据的表示向量集合进行对比学习，当对比学习损失小于预设阈值时，得到优化后的实体中物品的表示向量集合，根据优化后的实体中物品的表示向量集合获得优化后的实体中用户的表示向量集合； S8：根据优化后的实体中用户的表示向量集合和物品的表示向量集合，计算每个用户对每个物品的匹配分数，将所述匹配分数大于预设阈值的物品推荐给用户。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。