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！

龙图腾网获悉中国人民大学申请的专利一种基于切比雪夫插值的商品分类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：CN116028860B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211443668.4，技术领域涉及：G06F18/241；该发明授权一种基于切比雪夫插值的商品分类方法是由魏哲巍;何明国;文继荣设计研发完成，并于2022-11-18向国家知识产权局提交的专利申请。

本一种基于切比雪夫插值的商品分类方法在说明书摘要公布了：本发明通过人工智能领域的方法，实现了一种基于切比雪夫插值的商品分类方法。通过输入商品和交易记录数据、构建特征向量、计算图结构的拉普拉斯矩阵、得到每一层的传播结果、基于切比雪夫插值学习图卷积操作、特征变换、梯度下降进行参数更新、完成商品分类八个步骤实现对于商品的分类。本发明提供的方法解决了现有商品分类技术效果差、可扩展性不足，速度慢等问题，可以更快地训练模型，提升商品分类的速度。

本发明授权一种基于切比雪夫插值的商品分类方法在权利要求书中公布了：1.一种基于切比雪夫插值的商品分类方法，其特征在于：通过八个步骤实现对于商品的分类； S1，输入商品和交易记录数据，利用交易信息构建图结构，其中节点表示不同的商品，边表示两个不同的商品被同时购买或销售； S2，对于每个商品节点，构建用于自身的特征表示的特征向量； S3，计算图结构的拉普拉斯矩阵，并对进行归一化处理和放缩处理得到新的拉普拉斯矩阵； S4，对于商品的自身特征和拉普拉斯矩阵，执行-层的传播过程共轮，得到每一层的传播结果并存储到本地； S5，小批量读取每层的传播结果，并基于切比雪夫插值学习图卷积操作；所述基于切比雪夫插值学习图卷积操作的具体过程为：通过初始化待学习的参数、根据所述的每一层的传播结果，计算相应的切比雪夫多项式、完成切比雪夫插值学习图卷积操作三个步骤； S51，初始化待学习的参数，并将其转换为切比雪夫插值的系数； 待学习的参数个数与图传播层数相同为个，将这个需要学习的参数记为，并初始化为1，切比雪夫插值的系数，其中代表K+1个待学习的参数，代表所述的切比雪夫多项式，代表切比雪夫点； S52，根据所述的每一层的传播结果，计算相应的切比雪夫多项式； 将切比雪夫多项式定义在拉普拉斯矩阵上，定义在上的切比雪夫多项式为，其中表示单位矩阵； 在S4步中得到层图传播表示为，其中，切比雪夫多项式与每层图传播的结果相乘得到相应的商品节点表示，使用预先存储在磁盘的计算，即； 在计算上述切比雪夫多项式定义的图传播操作时使用小批量计算； S53，结合切比雪夫插值的系数和切比雪夫多项式，完成切比雪夫插值学习图卷积操作， 将所述切比雪夫插值的系数和通过切比雪夫多项式定义的图传播操作二者结合起来完成基于切比雪夫插值学习图卷积的操作，图卷积表示为，切比雪夫插值的系数中的个学习的参数，通过上述个参数拟合图滤波器函数 S6，对进行了图卷积操作的节点表示进行特征变换，使用神经网络完成； S7，通过梯度下降，对图卷积和进行特征变换的神经网络中的参数进行更新，并收敛得到商品的最终表示； S8，使用打分函数对最终的商品类别计算分数，根据商品所属类别的分数完成商品分类并输出每个商品的预测类别； 所述商品分类的具体方法为：进行商品分类时，首先将训练完成并存储了的参数和参数读入到模型中，并将前面所述存储在磁盘的层图传播表示读入内存；然后依次进行图卷积操作和使用神经网络进行特征变换，得到商品最终用来分类的表示；最后使用打分函数对商品的最终表示进行打分，得到商品属于各个类别的概率； 具体来说，对商品的最终表示进行打分的函数一般为归一化指数函数，其表示，其中表示任意一个商品节点的最终表示向量，表示商品分类的类别数量，则表示商品属于类别的分数值，最后，检查最高的得到商品的分类结果。

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中国人民大学，其通讯地址为：100872 北京市海淀区中关村大街59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。