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！

龙图腾网获悉北京工业大学申请的专利一种基于图对比学习和负兴趣传播的个性化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：CN116561426B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310567535.6，技术领域涉及：G06F16/9535；该发明授权一种基于图对比学习和负兴趣传播的个性化推荐方法是由刘美杉;简萌;毋立芳;石戈;李树一设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种基于图对比学习和负兴趣传播的个性化推荐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和负兴趣传播的个性化推荐方法。在以往的推荐模型中，负兴趣信号只是为了反向传播中的损失提供服务，在兴趣编码中的作用仍未被探索。此外，稀疏的非差异交互在揭示用户兴趣时存在固有的内隐偏见，导致兴趣预测的次优。本发明提出一种新型的负兴趣使用方法，通过引入负兴趣辅助对比学习架构中的兴趣建模，使得负兴趣信号成为支持细粒度兴趣建模的一个有希望的证据。首先，负兴趣学习辅助通道通过负抽样生成对比图，再传播用户和物品的互补嵌入来编码负信号，最后通过对比正负嵌入，促进推荐的兴趣挖掘。本发明在三个真实世界的数据集上的大量实验证明了该方法缓解交互稀疏性和推荐偏差问题的能力。

本发明授权一种基于图对比学习和负兴趣传播的个性化推荐方法在权利要求书中公布了：1.一种基于图对比学习和负兴趣传播的个性化推荐方法，其特征在于： 包括以下步骤： S1、数据预处理：选取数据集，获取代表用户、物品身份的ID编码；建立有交互记录的用户-物品对标签；划分数据集中训练集和测试集正样本比例为4:1；以1:1的正负样本比例生成训练集； S2、模型初始化和输入：定义用户和物品的集合表示，读取数据集中所有用户和物品以及其历史交互记录，并转化为用户-物品二部图中的节点、边信息，随机初始化每个节点ID的特征向量作为模型输入； S3、去偏兴趣传播：使用线性卷积传播基本节点信息，在其上采用相对较小的扰动引导嵌入分布的均匀性，促进平衡学习；提取中间层的用户-物品嵌入作为兴趣表征的第一个积极视角嵌入，聚合所有卷积层获得的嵌入，生成兴趣表征的第二个积极视角嵌入和最终用于交互预测的嵌入表征； S4、对比图兴趣传播：首先，通过评估用户-物品的相似度，为每位用户选取不感兴趣物品集以及为每个物品不相关用户集，以此连接对比图中的用户-物品连接边；其次，将用户、物品原始特征归一化，并通过嵌入取补的方式生成负兴趣；最后，将生成的负兴趣在对比图上进行图卷积，最终聚合所有卷积层获得的嵌入，生成兴趣表征的消极视角嵌入； S5、两级对比学习：首先，对比学习两个积极视角嵌入，最大化相同节点及最小化的不同节点的一致性；其次，对比积极和消极视角嵌入，最大化当前节点的积极表征与一个批次内所有节点消极表征的一致性； S6、损失函数和优化方法：损失函数由三部分组成，包含推荐预测使用的BPR损失和两级对比学习的两个损失函数；三个损失配以不同权重进行损失比例的控制，使用多任务训练策略联合优化； S7、生成推荐列表：根据生成的预测得分为每个用户推荐预测分数最大的前N即推荐列表长度变量个物品，为每个用户生成个性化推荐列表。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。