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！

龙图腾网获悉南京邮电大学通达学院申请的专利一种基于对比学习的个性化标签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：CN116821500B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310792361.3，技术领域涉及：G06F16/9535；该发明授权一种基于对比学习的个性化标签推荐方法是由李胜龙;余永红;张傲然;钱未闻设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种基于对比学习的个性化标签推荐方法在说明书摘要公布了：本发明属于人工智能推荐系统领域，公开了一种基于对比学习的个性化标签推荐方法，包括：通过高斯先验初始化隐式的特征矩阵，在用户与标签交互图和物品与标签交互图上，利用图卷积神经网络获得用户、物品、面向用户的标签和面向物品的标签的高阶嵌入表示并在高阶嵌入表示中注入噪音，获得带噪音的用户和面向用户标签的嵌入表示，采用Info_NEC计算对比损失，构建目标函数，通过Adam优化器学习模型参数，使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，根据预测评分提供个性化的标签推荐。本发明利用对比学习从输入数据本身中提取有价值的信息，减轻数据稀疏问题。

本发明授权一种基于对比学习的个性化标签推荐方法在权利要求书中公布了：1.一种基于对比学习的个性化标签推荐方法，其特征在于：所述个性化标签推荐方法包括以下步骤： 步骤1、通过高斯先验初始化隐式的用户特征矩阵、隐式的物品特征矩阵、隐式的面向用户的标签特征矩阵和隐式的面向物品的标签特征矩阵； 步骤2、分别在用户与标签交互图和物品与标签交互图上，利用图卷积神经网络获得用户、物品、面向用户的标签和面向物品的标签的高阶嵌入表示； 步骤3、对于用户与标签交互图，在每次卷积操作之后向用户和面向用户标签的高阶嵌入表示中注入噪音，最后获得带噪音的用户和面向用户标签的嵌入表示，在带噪音的用户和面向用户标签的嵌入表示的基础上，采用Info_NEC计算对比损失，对于物品与标签交互图，在每次卷积操作之后向物品和面向物品标签的高阶嵌入表示中注入噪音，最后获得带噪音的物品和面向物品标签的嵌入表示，在带噪音的物品和面向物品标签的嵌入表示的基础上，采用Info_NEC计算对比损失； 步骤4、在贝叶斯个性化排名损失的基础上集成对比损失构建目标函数，通过Adam优化器学习模型参数； 步骤5、使用用户和面向用户的标签的嵌入表示的内积与物品和面向物品的标签的嵌入表示的内积之和预测标签的评分，根据预测评分提供个性化的标签推荐，其中， 所述步骤2具体包括如下步骤： 步骤2-1、根据用户、物品及标签的交互信息，构建用户与标签的交互矩阵、物品与标签的交互矩阵，如果用户u和标签t交互过，则用户与标签的交互矩阵中的第u行t列的值为1，否则为0，如果物品i和标签t交互过，则物品与标签的交互矩阵中的第i行t列的值为1，否则为0； 步骤2-2、利用用户与标签的交互矩阵和物品与标签的交互矩阵构建对应的邻接矩阵和： ， ， 其中，和分别为和的转置矩阵； 步骤2-3、根据邻接矩阵、，构建用户与标签的拉普拉斯矩阵和物品与标签的拉普拉斯矩阵： ， ， 其中，是用户和标签的对角度矩阵，是物品和标签的对角度矩阵，表示为： ， ， 其中，表示用户的一阶邻居个数，表示物品的一阶邻居个数，表示标签的一阶邻居个数； 步骤2-4、根据用户与标签的拉普拉斯矩阵和物品与标签的拉普拉斯矩阵，构建用户、物品、面向用户的标签和面向物品的标签的高阶嵌入表示，如下： ， ， 其中，==为初始嵌入表示，表示用户的初始嵌入表示，表示物品的初始嵌入表示，表示标签的初始嵌入表示； 步骤2-5、经过L层卷积后获得最终的嵌入表示，如下： ， ， 将按照用户数和标签数进行分割得到最终所有用户的嵌入表示和所有面向用户标签的嵌入表示，将按照物品数和标签数进行分割得到最终所有物品的嵌入表示和每个面向物品标签的嵌入表示； 所述步骤3具体包括如下步骤： 步骤3-1、对于用户与标签交互图，在每次卷积操作之后向用户和面向用户标签的高阶嵌入表示中注入噪音，最后获得带噪音的用户和面向用户标签的嵌入表示，如下： ， ， ， ， 其中，和表示噪音向量且，表示注入第一种噪音的所有用户和标签的嵌入表示，表示注入第二种噪音的所有用户和标签的嵌入表示，表示注入第一种噪音的所有物品和标签的嵌入表示，表示注入第二种噪音的所有物品和标签的嵌入表示， 步骤3-2、经过L层卷积后，获得最终的嵌入噪音表示，如下： ， ， ， ， 将和按照用户数和标签数进行分割得到最终嵌入噪音表示，将和按照物品数和标签数进行分割得到最终嵌入噪音表示和； 步骤3-3、在的基础之上，利用Info_NEC计算用户的对比损失，如下： ， 其中，表示采样批次，表示用户u在注入第一种噪音下正则化的嵌入表示，即，表示用户u在注入第二种噪音下正则化的嵌入表示，即=，表示温度系数； 步骤3-4、在的基础上，利用Info_NEC计算面向用户的标签的对比损失，如下： ， 其中，表示标签t在注入第一种噪音下正则化的嵌入表示，即，表示标签t在注入第二种噪音下正则化的嵌入表示，即=； 步骤3-5、在的基础上，利用Info_NEC计算物品的对比损失，如下： ， 其中，表示物品i在注入第一种噪音下正则化的嵌入表示，即，表示物品i在注入第二种噪音下正则化的嵌入表示，即=； 步骤3-6、在的基础上，利用Info_NEC计算面向物品的标签的对比损失，如下： ， 其中，表示标签t在注入第一种噪音下正则化的嵌入表示，即，表示标签t在注入第二种噪音下正则化的嵌入表示，即=； 步骤3-7、根据计算对比损失： ； 所述步骤4具体包括如下步骤： 步骤4-1、根据和，获得用户u、物品i、标签t面向用户和标签t面向物品的最终嵌入表示，如下： ， ， ， ， 步骤4-2、根据，获得用户u给物品i打标签t的可能性得分，如下： ， 其中，表示向量内积； 步骤4-3、基于对比学习的个性化标签推荐的目标公式如下： ， 其中，是sigmoid函数，表示负样本标签的得分，表示控制对比学习损失的系数，表示正则化的系数，是模型的参数，通过Adam优化器最小化，并学习模型参数，其中通过高斯先验初始化隐式的用户特征矩阵、隐式的物品特征矩阵、隐式的面向用户的标签特征矩阵和隐式的面向物品的标签特征矩阵，表示嵌入维度，分别表示用户，物品和标签的数量。

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南京邮电大学通达学院，其通讯地址为：225127 江苏省扬州市邗江区润扬南路33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。