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！

龙图腾网获悉华侨大学申请的专利基于多跳路径增强和自适应图结构优化的图谱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：CN120632222B 。

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：202511120114.4，技术领域涉及：G06F16/9535；该发明授权基于多跳路径增强和自适应图结构优化的图谱推荐方法是由孙成柱;余宇濠;何霆;黄智翔;肖仙剑设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本基于多跳路径增强和自适应图结构优化的图谱推荐方法在说明书摘要公布了：本发明提供了基于多跳路径增强和自适应图结构优化的图谱推荐方法，涉及人工智能技术领域，该方法通过从推荐数据集中提取用户、实体及关系信息构建知识图谱，初始化对应的嵌入层；构建实体‑关系多跳路径矩阵，以捕捉高阶语义关联；结合用户‑物品交互记录生成正负样本交互表，为模型训练提供区分性数据；在训练阶段引入自适应图结构优化机制，利用实体嵌入相似度动态添加伪边扩展图谱结构，以概率方式丢弃低频噪声边，缓解数据稀疏并提升鲁棒性，预测阶段则保留原始图结构以保证推理效率；进一步设计交叉注意力聚合网络，融合用户‑关系注意力机制与多跳邻居信息；通过构建四元组合损失函数，提升模型泛化能力与收敛效率。

本发明授权基于多跳路径增强和自适应图结构优化的图谱推荐方法在权利要求书中公布了：1.一种基于多跳路径增强和自适应图结构优化的图谱推荐方法，其特征在于，包括： 获取信息数据集，从信息数据集提取用户数据、实体数据和关系数据，并确定其数量，对用户嵌入层、实体嵌入层和关系嵌入层进行初始化处理，得到对应的连续嵌入向量表示，构建知识图谱邻接字典； 基于知识图谱邻接字典，进行三层循环处理，遍历所有实体、预设路径数及路径长度，构建实体-关系路径矩阵； 基于实体-关系路径矩阵，根据用户数据、实体数据以及对应的交互记录，构建正样本交互表和负样本交互表，组合得到完整的交互表； 基于完整的交互表，通过自适应图结构优化模块对推荐模型进行训练处理和预测处理，所述训练处理包括伪边增强处理，所述预测处理包括原始图结构保留处理，具体为： 将完整的交互表作为模型训练的正负样本数据，使用函数计算实体之间的相似度，其中，设实体嵌入向量矩阵为，对其进行归一化处理，得到归一化后的嵌入向量矩阵，归一化公式为：，为归一化后实体嵌入向量矩阵第行第列的元素，为原始矩阵对应元素，为实体嵌入向量矩阵，用于存储所有实体的低维连续嵌入向量，矩阵的每一行对应一个实体的嵌入向量，是将离散的实体ID映射为可计算的连续向量后的结果，是知识图谱实体的总数量，为实体嵌入向量的维度，为实体嵌入矩阵E中的第a个实体在第K个维度上的嵌入值的平方； 计算实体相似度矩阵，其公式为：，为实体间相似度矩阵，用于衡量任意两个实体之间的相似度，为转置； 对归一化后的矩阵进行屏蔽操作，其中，当判断第j个实体在知识图谱邻接字典中存在邻居实体集合时，设实体相似度矩阵的元素为极小值，其公式为：； 按行从屏蔽后的实体相似度矩阵中选取相似度最高的预设个数fake_edge_num的实体索引，并存储在数组fake_edges_cache中，其公式为：，其中，表示从向量中选取前u个最大值对应的索引； 在get_neighbors函数中，基于数组fake_edges_cach，为每个实体边添加伪边，其中，对于特定实体，从数组fake_edges_cache[]中获取边对应的实体集合，并创建对应的伪关系ID集合，为预设伪关系ID； 将这些伪边对应的实体和关系分别与原始的一跳的邻居实体和关系进行拼接，扩展知识图谱结构； 在处理完成后，过注意力机制的线性层融合关系嵌入向量和用户嵌入向量，计算注意力得分，将得分转换为权重，并根据权重对邻居实体嵌入向量加权求和，得到最终的输出。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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。