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！

龙图腾网获悉安徽农业大学申请的专利一种基于图元胞自动机的动态异质图神经网络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：CN116595251B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310527881.1，技术领域涉及：G06F16/9535；该发明授权一种基于图元胞自动机的动态异质图神经网络推荐方法是由吴国栋;陈诗寅;范维成;王雪妮设计研发完成，并于2023-05-11向国家知识产权局提交的专利申请。

本一种基于图元胞自动机的动态异质图神经网络推荐方法在说明书摘要公布了：本发明公开了一种基于图元胞自动机的动态异质图神经网络推荐方法，为用户和物品构建动态异质图；根据图元胞自动机初始化用户和物品的节点坐标信息和节点特征表示；基于图重构的全局规则设计，根据用户不同行为以及行为权重对节点与边进行操作，实时更新用户和物品的动态异质图以及邻接矩阵和权重矩阵；基于图局部状态转换规则设计，通过图神经网络方法聚合用户和物品邻居节点信息，更新用户和物品的节点状态信息；根据状态更新后的用户特征表示和物品特征表示，预测用户和物品下一刻产生交互的评分。本发明既能有效地捕捉用户偏好的实时行为影响，又能够处理动态和不断变化的用户行为数据，从而实现更准确的推荐效果。

本发明授权一种基于图元胞自动机的动态异质图神经网络推荐方法在权利要求书中公布了：1.一种基于图元胞自动机的动态异质图神经网络推荐方法，其特征在于：具体包括如下步骤： S1：根据用户集合、物品集合、用户行为类型集合以及用户行为类型权重为用户和物品构建动态异质图； S2：根据图元胞自动机初始化用户和物品的节点坐标信息和节点特征表示； S3：基于图重构的全局规则设计，根据用户不同行为以及行为权重对节点与边进行操作，实时更新用户和物品的动态异质图以及邻接矩阵和权重矩阵；根据用户行为类型权重大小进行图重构操作，即动态异质图中用户与物品之间只有一条权重最高的边连接； S4：基于图局部状态转换规则设计，通过图神经网络方法聚合用户和物品邻居节点信息，更新用户和物品的节点状态信息； 步骤S4所述的基于图局部状态转换规则设计，通过图神经网络方法聚合用户和物品邻居节点信息，更新用户和物品的节点状态信息，具体如下： D-GCA中的局部规则定义了单个用户和物品元胞节点的状态更新过程； 步骤4.1、基于FGCA定义用户-物品的节点坐标信息表示为节点特征表示边ui,vi∈E，并且具有行为类型权重基于多行为FGCA表示如下： 式9101112中，φm:、φx:和φh:是不同的稠密神经网络输入不同的多层感知机模型操作，φa:是以信息作为输入并输出注意力权重的稠密神经网络，Nui表示第i个自动机元胞ui的元胞邻居集合，表示获得第i个用户节点ui与第j个物品节点vj间的边信息，如果对图进行旋转、平移操作，由于点的相对位置不变、边不变，那么值也不变，具有不变性，表示更新后的第i个用户节点ui的坐标信息，由于用到了邻居节点的坐标信息，那么邻居节点信息进行了变换，也应有相同的变换，具有等变性，表示的相加操作，保证置换相似不变，利用注意力机制使模型在聚合信息时能够自由分配不同的权重，表示图经过旋转、平移操作后拓扑结构中的节点特征表示，不会变化，具有不变性； 步骤4.2、基于FGCA得到用户节点与物品节点新的坐标信息和节点特征表示： X',H'＝egxX,H,K13 式13中，X'表示用户节点与物品节点的新坐标信息，H'表示用户节点与物品节点的新节点特征表示，依赖于原坐标信息X、节点特征表示H以及行为类型权重K计算并更新； 步骤4.3、利用式14得到当h'＝h时式12使用跳跃连接的表示，提高模型对梯度消失和过平滑问题的性能： 步骤4.4、基于转换规则FGCA，用户节点与物品节点的元胞状态定义为S＝[X,H]，其中，X表示节点坐标信息，H表示节点特征信息，t+1时刻的状态更新方式表示St+1： St+1＝[X',H']＝FGCAX,H,A,W15 式15中，X'表示t+1时刻更新后的节点坐标信息，H'表示t+1时刻更新后的节点特征信息，A和W表示邻接矩阵与权重矩阵； S5：根据状态更新后的用户特征表示和物品特征表示，预测用户和物品下一刻产生交互的评分。

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安徽农业大学，其通讯地址为：230036 安徽省合肥市蜀山区长江西路130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。