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！

龙图腾网获悉电子科技大学长三角研究院(衢州)申请的专利基于图神经网络会话推荐系统的用户偏好预测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：CN116680456B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202310719597.4，技术领域涉及：G06F16/9032；该发明授权基于图神经网络会话推荐系统的用户偏好预测方法是由吴磊;唐超;龚海刚;刘明;王晓敏设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本基于图神经网络会话推荐系统的用户偏好预测方法在说明书摘要公布了：本发明公开了基于图神经网络会话推荐系统的用户偏好预测方法，涉及人工智能技术领域，包括：S1获取训练数据集；S2、预处理训练数据集得会话序列；S3构建偏好预测模型；S4会话序列导入到偏好预测模型，并训练优化；S5获取待预测的用户数据，预处理得待预测的会话序列；S6、待预测的会话序列导入优化的偏好预测模型得预测结果；在构建会话图时给每个物品节点添加自环并将边的关系，增加邻接矩阵的信息，解决矩阵稀疏问题，采用多通道图神经网络来提取会话的局部兴趣特征，高效利用会话图中的信息，然后引入多层自注意力网络来提取会话的全局兴趣特征，通过会话实现精准有效的偏好预测。

本发明授权基于图神经网络会话推荐系统的用户偏好预测方法在权利要求书中公布了：1.基于图神经网络会话推荐系统的用户偏好预测方法，其特征在于，包括： S1、获取训练数据集； S2、对训练数据集进行预处理得到会话序列； S3、构建偏好预测模型，偏好预测模型从输入到输出依次包括会话图构建层、局部编码层、全局编码层和预测输出层，局部编码层为多通道会话图神经网络，全局编码层为多层注意力神经网络，局部编码层用于对会话图的局部兴趣进行偏好编码获得会话图的短期局部兴趣特征，全局编码层对会话图的全局兴趣偏好进行偏好编码获得会话图的全局兴趣特征，预测层根据短期局部兴趣特征和全局兴趣特征得到预测结果； S4、将训练集的会话序列导入到偏好预测模型，并利用交叉熵函数对偏好预测模型进行训练优化；具体包括： S41、会话图构建层对一个会话构建序列，该序列中的物品项根据用户点击的时间先后顺序进行排列，对序列s构建会话图，Vs是会话图中的节点集合，Es是会话图边的集合，每一个会话对应一个邻接矩阵As，矩阵里面含有五种类型的数值，表示节点i到节点j之间没有边，分别对应会话图中四种类型的边，即自环、入边、出边、出入边； S42、分析会话集合中包含的物品项目构成一个物品项集合item={}，其中k表示总共有k个不同的物品项；给k个物品项分别随机初始一个嵌入向量，形成一个随机初始的嵌入表达矩阵，其中E∈，num是数据集中不同类型物品项的个数，d是嵌入向量的维度，会话序列s对应的嵌入表达矩阵表示为，其中是序列s中第i个元素的标号，该标号和矩阵E的行对应； S43、局部编码层对会话s进行局部信息编码，得到局部编码结果，表示为，其中，表示节点的特征向量对于节点来说其占有的权重值，是会话s中节点的邻居节点集合；选取会话s中最后一个物品的特征编码作为会话的短期局部兴趣特征，表示为； S44、全局编码层使用自注意力机制对会话集合S的物品特征编码矩阵，∈进行自注意力计算得到全局编码结果E，表示为、，其中，，是经过K层注意力机制生成的会话的全局编码向量，E1=E；将中对应会话最后一个物品项的特征向量当作会话的全局兴趣特征，可表示为； S45、预测层将短期局部兴趣特征与全局兴趣特征以加权求和的形式，结合为一个向量sfinal，表示为，该向量代表了会话的最终的兴趣偏好sfinal，sfinal将该会话的最终兴趣偏好向量与物品集合V的嵌入矩阵E进行矩阵乘法，然后再通过softmax函数，求得该会话对于物品集合V中的每个物品项的推荐概率，表示为；其中，∈0,1是一个可调节的超参数，E是物品集合V对应的嵌入矩阵； S5、获取待预测的用户数据，并进行预处理得到待预测的会话序列； S6、待预测的会话序列导入优化后的偏好预测模型获得预测结果。

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电子科技大学长三角研究院(衢州)，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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。