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！

龙图腾网获悉华南理工大学申请的专利基于流式数据的增量图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：CN116226547B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310160686.X，技术领域涉及：G06F16/9536；该发明授权基于流式数据的增量图推荐方法是由吕建明;吴思琦;王亚权;黄星杰;李博设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本基于流式数据的增量图推荐方法在说明书摘要公布了：本发明公开了一种基于流式数据的增量图推荐方法，目的是解决现有图推荐方法无法高效获取新增用户和物品特征用于推荐的技术问题。本发明通过用户的历史物品交互序列构建用户和物品的交互二分图，并用轻量级图卷积神经网络提取用户和物品的特征。对于增加的用户‑物品交互数据，在交互二分图中采样对应的负样本节点构建三元组，确定受影响的节点，并通过更新模块更新受影响的节点特征；最后使用更新后的节点特征为用户生成推荐列表。该方法利用先进的轻量级图卷积神经网络来获取用户和物品的特征，并且设计了增量更新用户和物品特征的方法。模型复杂度低且性能好，能有效解决推荐方法在面对大规模数据时计算效率低、工作量大的问题。

本发明授权基于流式数据的增量图推荐方法在权利要求书中公布了：1.一种基于流式数据的增量图推荐方法，其特征在于，所述增量图推荐方法包括以下步骤： S1、将用户与物品的交互数据构建成用户-物品的交互二分图，其中节点为用户或物品，连边为用户和物品的交互行为； S2、使用轻量级图卷积神经网络学习步骤S1构建的交互二分图中节点的特征，即用户或物品的特征； S3、对于新增的每一条用户-物品交互数据，在所有物品中采样一个用户未交互过的物品，与新增的用户和交互物品构成三元组；其中，定义三元组为hu,him,hin，其中hu表示用户的最终特征，him表示与前述用户交互的物品的最终特征，hin表示与前述用户未交互的物品的最终特征； S4、根据步骤S3中三元组中用户和物品的特征，计算新增的交互数据对原始交互二分图的影响，并把影响通过三元组传播到其在交互二分图中的邻域；所述步骤S4中，交互数据对原始交互二分图的直接影响表示为三元组中用户交互和未交互物品的特征对用户的影响，以及用户对交互和未交互物品的影响；影响量计算公式为： Δh0＝α·h， 其中，Δh0为受影响节点的初始特征的变化量，h为施加影响的节点的最终特征，α是自适应的调节影响强度的参数，表达式为： α＝σhu·hin-hu·him， 其中，σ是sigmoid激活函数； 将影响量从受影响节点开始，通过宽度优先搜索逐层传递给受影响节点的邻域，传递的参数与聚合参数相同，即从用户节点传递给物品节点的传递参数定义为其中，Nu表示用户节点的邻居，Ni表示物品节点的邻居，|Nu|和|Ni|分别表示用户节点的邻居数量和物品节点的邻居数量，表示聚合参数； 将影响量及其传递的影响量累加到相应节点的初始特征上，完成一次训练； S5、根据步骤S4更新后的用户或物品特征，计算用户与物品的特征相似度并排序，生成用户的推荐物品列表。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。