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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)申请的专利一种基于提示增强的多视图变分注意力群组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：CN121278184B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511845506.7，技术领域涉及：G06F16/9535；该发明授权一种基于提示增强的多视图变分注意力群组推荐方法是由王培培;周梦豪;刘广起;韩晓晖设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本一种基于提示增强的多视图变分注意力群组推荐方法在说明书摘要公布了：本发明提供了一种基于提示增强的多视图变分注意力群组推荐方法，属于人工智能技术领域。所述方法包括：获取包含用户集合、物品集合、群组集合的数据集，基于数据集对群组集合中的目标群组提取群组特征表示，构建用户视图表示、物品视图表示和群组结构视图表示；引入可学习提示向量，对三个视图表示进行提示增强，得到增强后的多视图表示作为训练集；构建群组推荐模型，所述群组推荐模型包括视图门控模块、变分注意力层和预测器；将训练集输入群组推荐模型进行训练；采集待预测数据输入训练完成的群组推荐模型，输出推荐结果。本发明有效地聚合群组用户的兴趣偏好，从而提供更精准的群组推荐的方法。

本发明授权一种基于提示增强的多视图变分注意力群组推荐方法在权利要求书中公布了：1.一种基于提示增强的多视图变分注意力群组推荐方法，其特征在于，包括以下步骤： 获取包含用户集合、物品集合、群组集合的数据集，基于数据集对群组集合中的目标群组提取群组特征表示，构建用户视图表示、物品视图表示和群组结构视图表示； 引入可学习提示向量，对三个视图表示进行提示增强，得到增强后的多视图表示作为训练集； 构建群组推荐模型，所述群组推荐模型包括视图门控模块、变分注意力层和预测器； 将训练集输入群组推荐模型进行训练，所述视图门控模块基于增强后的多视图表示计算各视图的权重并进行加权融合，得到群组综合表示；所述变分注意力层基于群组综合表示、候选物品嵌入建模用户注意力分布，生成群组－候选物品匹配表示；所述预测器输入拼接后的群组－候选物品匹配表示与候选物品嵌入，输出预测概率； 采集待预测数据，包括群组用户集合、用户-物品交互矩阵和候选物品嵌入，将待预测数据输入训练完成的群组推荐模型，输出候选物品预测概率，并对候选物品排序，生成Top-K推荐结果； 所述构建用户视图表示、物品视图表示和群组结构视图表示，具体方式如下： 基于数据集构建群组用户映射、群组-物品交互矩阵和用户-物品交互矩阵，并定义群组用户集合； 基于交互矩阵构建多维关系超图，所述多维关系超图包括：表示群组用户间的共现关系的用户超图，表示群组交互物品间关系的物品超图，捕获用户与物品的联合结构特征的全连接超图； 为数据集中每个实体初始化嵌入矩阵，得到用户嵌入矩阵、物品嵌入矩阵、群组嵌入矩阵； 获取目标群组的群组-物品交互矩阵，通过二部图构建方法获取群组－物品二部图表示，将群组－物品二部图表示输入物品图神经网络卷积层得到物品表示，将物品表示结合物品嵌入矩阵和群组嵌入矩阵生成物品视图表示； 基于群组用户映射利用群组结构重叠图构建方法得到群组－群组重叠图表示；将群组－群组重叠图表示输入群组图神经网络卷积层得到群组表示，将群组表示结合群组嵌入矩阵生成群组结构视图表示； 基于用户超图、物品超图和全连接超图，经过超图神经网络编码器中节点－超边和超边－节点的特征转换，得到特征信息表示，特征信息表示经过张量分割操作得到用户表示，用户表示结合用户嵌入矩阵生成用户视图表示； 所述提示增强具体为：将可学习提示向量参数化，将提示向量与各视图相加，得到增强后的表示； 具体方式如下： 遍历用户-物品交互矩阵中非零元素构建每个用户的交互物品集合； 计算群组用户集合中每个群组的内部兴趣差异度：若群组为单用户群组或无用户交互记录，默认兴趣差异度为0.5；若为多用户群组，遍历群组用户的所有组合，通过jaccard相似度计算兴趣相似度；计算群组内所有用户对的平均相似度；通过1减去平均相似度得到兴趣差异度； 统计所有群组的兴趣差异度，取中位数作为划分阈值，兴趣差异度大于中位数的群组分配多样性为0，否则分配多样性为1，生成映射字典； 提取映射字典中当前群组的多样性，通过嵌入层生成批次提示向量，从批次提示向量选择对应的提示向量与用户视图表示、物品视图表示和群组结构视图表示逐一相加得到增强后的多视图表示； 所述变分注意力层基于群组综合表示与候选物品嵌入向量通过线性映射得到均值与对数方差，并通过重参数化生成潜在注意力变量，根据潜在注意力变量通过softmax函数计算用户权重分布，根据用户权重分布加权群组用户嵌入生成群组–候选物品匹配表示； 具体的，所述变分注意力层生成群组－候选物品匹配表示具体方式如下： 将群组综合表示与候选物品嵌入向量、用户掩码和可学习提示向量输入变分注意力层； 所述群组综合表示与候选物品嵌入经线性变换后逐元素相加，再经tanh激活得到交互特征； 所述可学习提示向量扩展维度后与交互特征逐元素相加得到融合特征； 将融合特征经dropout层处理后通过两个并行线性头分别输出均值向量和对数方差向量； 根据对数方差向量计算标准差，根据标准差、均值向量和标准正态分布采样的噪声计算潜在变量，计算公式如下： ； 根据用户掩码对潜在变量进行掩码处理，去除无效用户位置，再经softmax函数计算用户注意力权重； 根据用户权重分布加权群组用户嵌入生成群组–候选物品匹配表示。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)，其通讯地址为：250014 山东省济南市历下区科院路19号山东省计算中心；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。