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人工智能研究院申请的专利一种基于簇的图协同过滤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：CN115935079B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211417345.8，技术领域涉及：G06F16/9536；该发明授权一种基于簇的图协同过滤推荐方法是由程志勇;赵帅;刘帆;卓涛;李晓丽设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种基于簇的图协同过滤推荐方法在说明书摘要公布了：一种基于簇的图协同过滤推荐方法，基于簇的图协同过滤推荐方法模型由相似用户和物品节点通过节点软聚类构造的子图执行高阶图卷积运算。它减少了不可靠节点的负面信息影响，并缓解了基于GCN的推荐方法中的过度平滑问题。此外，由于构造子图时考虑了细粒度节点的相似性，因此可以从高阶邻居处传递更有价值的信息，可以在堆叠更多图卷积层的同时保持节点嵌入的唯一性,可以提升模型的推荐效果。

本发明授权一种基于簇的图协同过滤推荐方法在权利要求书中公布了：1.一种基于簇的图协同过滤推荐方法，其特征在于，包括如下步骤： a在电子商务数据集中通过预处理得到训练集和测试集； b训练集中包括个用户、个物品，利用训练集构建用户和物品购买交互的邻接矩阵，对用户节点进行嵌入参数初始化，生成节点嵌入信息，对物品节点进行嵌入参数初始化，生成节点嵌入信息； c根据节点嵌入信息和邻接矩阵，对所有节点进行软聚类，生成个聚类的簇子图模块； d建立基于簇的图协同过滤推荐方法模型； e基于BPR损失函数迭代次，得到训练后的基于簇的图协同过滤推荐方法模型； f计算用户对物品的预测得分，实现物品推荐； 步骤c包括如下步骤： c-1通过公式计算得到用户节点聚合邻居后的一阶嵌入，式中为与用户交互的物品集合，为与物品交互的用户集合，通过公式计算得到物品节点聚合邻居后的一阶嵌入； c-2通过公式计算得到用户节点的特征表示，式中为LeakyReLU激活函数，为参数矩阵，，为特征嵌入的维度，为偏差向量矩阵，，通过公式计算得到物品节点的特征表示； c-3通过公式得到用户节点融合后的特征转换为预测向量，式中为参数矩阵，，为偏差向量矩阵，，通过公式得到物品节点融合后的特征转换为预测向量； c-4通过公式计算得到用户节点的预测向量在每个簇子图内的概率值，用户节点在所有簇子图中的概率值之和为1，式中为Gumbel-Softmax函数，为服从Gumbel0,1分布的随机变量，为超参数，通过公式计算得到物品节点的预测向量在每个簇子图内的概率值，物品节点在所有簇子图中的概率值之和为1； c-5将概率值进行转置，得到转置后的概率值，将转置后的概率值与邻接矩阵进行点乘操作，将点乘操作后的邻接矩阵与概率值进行点乘操作，得到第个聚类子图，，为聚类子图的数量； 步骤d包括如下步骤： d-1通过公式计算得到用户节点在第个聚类子图内第层的图卷积结果，，为图卷积网络的层数，式中为分配给物品节点在第个聚类子图中的概率值，当时，通过公式计算得到物品节点在第个聚类子图内第层的图卷积结果，式中为分配给用户节点在第个聚类子图中的概率值，当时； d-2通过公式汇总用户节点在第层所有子图的嵌入信息，得到用户节点在第层的嵌入，通过公式汇总物品节点在第层所有子图的嵌入信息，得到物品节点在第层的嵌入； d-3通过公式汇总用户节点在所有层的嵌入信息，得到用户节点的最终嵌入，式中，通过公式汇总物品结点在所有层的嵌入信息，得到物品节点的最终嵌入，完成基于簇的图协同过滤推荐方法模型的建立； 通过公式计算得到用户对物品的预测得分，式中为转置，根据预测得分由高到低排序，实现物品推荐。

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山东省人工智能研究院，其通讯地址为：250013 山东省济南市历下区科院路19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。