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！

龙图腾网获悉湖北大学申请的专利基于注意力机制优化嵌入权重的对比损失推荐方法及设备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：CN120580032B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202511079868.X，技术领域涉及：G06Q30/0601；该发明授权基于注意力机制优化嵌入权重的对比损失推荐方法及设备是由张䶮;李志飞;杨轲;张淼;肖奎;周亚慧;余敦辉;王时绘设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本基于注意力机制优化嵌入权重的对比损失推荐方法及设备在说明书摘要公布了：本发明公开了一种基于注意力机制优化嵌入权重的对比损失推荐方法及设备，涉及个性化推荐领域，基于注意力机制优化嵌入权重的对比损失推荐方法主要包括：对包含用户特征数据、物品特征数据、正反馈数据和负反馈数据的用户与物品的相关数据进行划分，得到训练集和测试集；构建推荐模型，利用训练集对推荐模型进行训练得到训练好的推荐模型；根据测试集，利用训练好的推荐模型得到每个用户的物品推荐列表。实施本发明提供的基于注意力机制优化嵌入权重的对比损失推荐方法及设备，能提升推荐系统的性能与用户体验。

本发明授权基于注意力机制优化嵌入权重的对比损失推荐方法及设备在权利要求书中公布了：1.一种基于注意力机制优化嵌入权重的对比损失推荐方法，其特征在于，包括以下步骤： S1：获取用户与物品的相关数据，对所述用户与物品的相关数据进行划分，得到训练集和测试集；所述用户与物品的相关数据包括用户特征数据、物品特征数据、正反馈数据和负反馈数据； S2：构建推荐模型，利用所述训练集对所述推荐模型进行训练，得到训练好的推荐模型；所述推荐模型包括均匀初始化模块、线性变换和注意力模块、分割和偏好推荐模块； S3：根据所述测试集，利用所述训练好的推荐模型，得到每个用户的物品推荐列表； 步骤S2具体包括： S21：构建均匀初始化模块，用于：根据所述用户特征数据和所述物品特征数据，利用均匀初始化方法，得到用户初始嵌入矩阵、物品初始嵌入矩阵、用户超图嵌入矩阵和物品超图嵌入矩阵； S22：构建线性变换和注意力模块，用于：根据所述用户初始嵌入矩阵、所述物品初始嵌入矩阵、所述用户超图嵌入矩阵和所述物品超图嵌入矩阵，利用线性变换方法和注意力机制处理，得到最终嵌入矩阵； S23：构建分割和偏好推荐模块，用于：将所述最终嵌入矩阵进行分割，得到用户嵌入矩阵和物品嵌入矩阵；根据所述用户嵌入矩阵和所述物品嵌入矩阵，得到每个用户的物品推荐列表； S24：根据所述均匀初始化模块、所述线性变换和注意力模块和所述分割和偏好推荐模块，得到推荐模型； S25：构建损失函数，根据所述训练集，利用所述损失函数对所述推荐模型进行训练，得到训练好的推荐模型； 步骤S22具体包括： S221：构建注意力分数模块，用于：根据所述用户初始嵌入矩阵和所述物品初始嵌入矩阵，利用线性变换方法，得到用户注意力分数和物品注意力分数； S222：构建注意力权重模块，用于：对所述用户注意力分数和所述物品注意力分数，进行归一化处理，得到用户注意力权重和物品注意力权重； S223：构建用户物品超图嵌入模块，用于：根据所述用户注意力权重、所述物品注意力权重、所述用户超图嵌入矩阵和所述物品超图嵌入矩阵，得到用户物品超图嵌入矩阵； S224：构建融合模块，用于：根据所述用户物品超图嵌入矩阵、所述用户初始嵌入矩阵和所述物品初始嵌入矩阵，得到最终嵌入矩阵； S225：根据所述注意力分数模块、所述注意力权重模块、所述用户物品超图嵌入模块和所述融合模块，得到线性变换和注意力模块； 步骤S221具体包括：构建注意力分数模块，用于：根据所述用户初始嵌入矩阵和所述物品初始嵌入矩阵，利用线性变换方法和注意力机制处理，得到用户注意力分数和物品注意力分数，如公式： ，，，，其中，为用户注意力分数，为中间变量，为用户的注意力机制权重矩阵，为用户的线性变换矩阵，为用户初始嵌入矩阵，是用户的偏置向量；为物品注意力分数，为中间变量，是物品的注意力机制权重矩阵，为物品的线性变换矩阵，为物品初始嵌入矩阵，是物品的偏置向量； 步骤S222具体包括：构建注意力权重模块，用于：对所述用户注意力分数和所述物品注意力分数，进行归一化处理，得到用户注意力权重和物品注意力权重，如公式： ，，其中，表示用户在第个注意头上的注意力权重，表示用户第个注意头上的原始注意力分数，为注意力头的数量，表示物品在第个注意头上的注意力权重，表示物品在第个注意力头上的原始注意力分数； 所述损失函数如公式： ，，，，其中，为损失函数，为正样本损失函数，为负样本样本损失，为求平均函数，T为温度系数，表示计算用户嵌入向量和正样本物品嵌入向量的欧氏距离来衡量他们之间的相似性，表示用户的嵌入向量，表示正样本中物品的嵌入向量，表示计算用户嵌入向量和负样本物品嵌入向量的欧氏距离来衡量他们之间的差异，表示用户的嵌入向量，表示负样本中物品的嵌入向量。

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湖北大学，其通讯地址为：430062 湖北省武汉市武昌区友谊大道368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。