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！

龙图腾网获悉合肥工业大学申请的专利一种基于信息瓶颈的去偏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：CN118035559B 。

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：202410344265.7，技术领域涉及：G06F16/9535；该发明授权一种基于信息瓶颈的去偏推荐方法是由吴乐;谢俊松;杨永晖;王子瀚;洪日昌;汪萌设计研发完成，并于2024-03-25向国家知识产权局提交的专利申请。

本一种基于信息瓶颈的去偏推荐方法在说明书摘要公布了：本发明公开了一种基于信息瓶颈的去偏推荐方法，包括：1.构造原始数据：用户对产品的交互矩阵，用户有偏属性矩阵；2.使用有偏属性编码器学习用户‑产品交互数据中的用户有偏表征；3.基于深度图神经网络学习用户和产品表征矩阵；4.基于信息瓶颈理论最小化用户表征与有偏表征，用户子图表征与有偏表征之间的互信息，计算损失函数；5.基于用户和产品表征矩阵重构交互矩阵，计算损失函数；6.联合步骤4‑步骤5的损失函数进行信息瓶颈学习，更新模型参数至模型收敛。本发明基于信息瓶颈的思想，在满足推荐任务的需求下学习无偏的用户表征，从而能有效减少推荐偏差，保证推荐的准确性。

本发明授权一种基于信息瓶颈的去偏推荐方法在权利要求书中公布了：1.一种基于信息瓶颈的去偏推荐方法，其特征在于，是按如下步骤进行： 步骤1、构造原始数据，包括：用户对产品的交互矩阵，用户有偏属性矩阵； 步骤1.1、令U表示用户集，且U＝{u1，...ua，...uM}，ua表示第a个用户，M表示用户的总数，1≤a≤M；令V表示产品集，且V＝{v1，...，vi，...，vN}，vi表示第i个产品，N表示产品的总数，1≤i≤N；令rai表示第a个用户ua对第i个产品vi的交互数据，则用户对产品的交互矩阵R＝{rai}M×N，如果第a个用户ua对第i个产品vi有交互记录，则rai＝1，否则，rai＝0；代表第a个用户ua和第i个产品vi的预测的交互关系；根据用户对产品的交互矩阵R，以用户和产品为节点，两者交互记录为边，构建用户-产品二部图G＝U，V，R； 步骤1.2、令用户的二值有偏属性矩阵v＝{s1，...sa，...sM}，其中，sa∈{0,1}表示第a个用户ua的有偏属性值；根据有偏属性值，用户集U可以被划分为2个子集，即U0和U1，U0表示有偏属性值为0的用户子集，U1表示有偏属性值为1的用户子集； 步骤2、使用有偏属性编码器学习用户-产品交互数据中的用户有偏表征，从而对有偏属性编码器进行训练，得到最优参数及其对应的二值有偏属性表征es； 步骤3、利用深度图神经网络学习用户和产品表征矩阵，从而得到最终用户表征矩阵X和最终产品表征矩阵Y； 步骤4、基于信息瓶颈理论最小化用户表征与有偏表征，用户子图表征与有偏表征之间的互信息，并计算损失函数： 步骤4.1、根据式9构建用户表征和有偏表征之间信息瓶颈损失函数LHSIC： 式9中，Ub表示当前训练批次中用户集合，xa表示用户最终表征矩阵X中的第a行表征向量，HSIC，表示希尔伯特-施密特独立性指标；表示第a个用户ua的二值有偏属性s的表征； 步骤4.2、根据式10计算用户的子图表征Gu： Gu＝gX1，...，Xl，...，XL+110 式10中，Xl表示用户在图神经网络第l层的表征，g表示子图表征的聚合函数； 步骤4.3、根据式11构建用户子图表征Gu和有偏表征es之间信息瓶颈损失函数L′HSIC： 式11中，表示用户的子图表征Gu中的第a行子图表征向量； 步骤5、基于用户和产品表征矩阵重构交互矩阵，计算重构损失函数Lrec； 步骤6、联合各个损失函数进行信息瓶颈学习，以更新网络参数至损失函数收敛，从而得到最优参数θ*，用于实现满足去偏要求的用户对产品推荐。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。