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！

龙图腾网获悉南京邮电大学申请的专利基于知识图谱增强的多模态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：CN121071204B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511618308.7，技术领域涉及：G06F16/9035；该发明授权基于知识图谱增强的多模态推荐方法是由亓晋;丁然;倪黄晶;孙雁飞;董振江设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本基于知识图谱增强的多模态推荐方法在说明书摘要公布了：本申请属于人工智能与推荐系统交叉技术领域，公开了一种基于知识图谱增强的多模态推荐方法，包括：步骤1、生成用户‑单次场景级数据样本，步骤2、将生成的用户‑单次场景级数据样本，经过结构化标识处理、非结构信息处理和文本‑语义对齐与层次化融合后得到多模态动作序列特征；步骤3、构建领域知识图谱，得到知识上下文特征；步骤4、将多模态动作序列特征和知识上下文特征进行融合，将融合后的特征输入推荐预测模型处理后得到最终推荐表。本申请整合多源异构数据与领域知识图谱，实现数据完整表征‑知识安全约束‑时序动态适配的一体化推荐。

本发明授权基于知识图谱增强的多模态推荐方法在权利要求书中公布了：1.一种基于知识图谱增强的多模态推荐方法，其特征在于：所述多模态推荐方法通过推荐预测模型实现，所述推荐预测模型包括CodeBERT编码器、多模态特征处理层、知识图谱增强层、协同融合与推荐预测层，所述推荐预测模型的CodeBERT编码器包括LayerNorm层和Multi-HeadedAttention层；所述推荐预测模型的多模态特征处理层包括文本-数据注意力对齐层、两层全连接网络、层和时序注意力层；所述推荐预测模型的知识图谱增强层包括图注意力网络，所述图注意力网络包含两层GATConv；所述推荐预测模型的协同融合与推荐预测层包括两层全连接网络、时序适配层、分类预测层，所述时序适配层为LSTM网络，所述分类预测层包括两层全连接分类器和回归器，具体的多模态推荐方法包括以下步骤： 步骤1、数据获取与预处理：获取包括结构化数据和非结构化数据在内的多源数据，对获取的多源数据进行预处理，生成用户-单次场景级数据样本和用户场景辅助特征，其中用户-单次场景级数据样本包括场景标识表、核心属性表、交互行为表、操作记录表、非结构化信息数据和辅助映射表，结构化医疗数据为入院信息表、诊断代码表、处方药物表、手术代码表，非结构化数据为临床笔记表； 步骤2、多模态特征处理：将步骤1生成的用户-单次场景级数据样本和用户场景辅助特征，经过结构化标识处理、非结构信息处理和文本-语义对齐与层次化融合后得到多模态动作序列特征； 步骤3、领域知识图谱构建与增强：构建领域知识图谱，并采用图注意力网络对领域知识图谱进行嵌入学习和推理，得到知识上下文特征，具体包括如下步骤： 步骤3.1、领域知识图谱构建：构建包含核心实体节点-关联实体节点-操作节点-约束规则节点的四类实体及多类型关系的领域知识图谱,其中为节点级，为边集，为节点类型集，为边类型集； 步骤3.2、知识图谱嵌入与图推理：采用图注意力网络对步骤3.1构建的领域知识图谱进行嵌入学习与图推理，所述图注意力网络包含两层GATConv，知识维度设为可配置超参数，图注意力计算：第一层GATConv，处理层级边：对核心实体节点、关联实体节点、操作节点的层级边进行注意力计算，第二层GATConv，处理跨域边：对跨域边进行注意力计算，跨域边为核心实体节点-关联实体节点、关联实体节点-关联实体节点、核心实体节点-操作节点、关联实体节点-约束规则节点； 步骤3.3、知识约束与安全控制； 步骤4、多模态与知识图谱协同融合及推荐预测：将步骤2得到的多模态动作序列特征和步骤3得到的知识上下文特征进行融合，将融合后的特征输入推荐预测模型处理后得到最终推荐表。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。