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！

龙图腾网获悉南昌航空大学申请的专利事件社交网络中基于双意图对比学习的兴趣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：CN121479064B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610025199.6，技术领域涉及：G06F16/9535；该发明授权事件社交网络中基于双意图对比学习的兴趣组推荐方法是由李建耀;赵俊豪;黄晓梅;周志恒;肖庆汇;罗尉平;丁雪非;林丹;涂天文设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本事件社交网络中基于双意图对比学习的兴趣组推荐方法在说明书摘要公布了：本发明公开了一种事件社交网络中基于双意图对比学习的兴趣组推荐方法及装置，涉及事件社交网络技术领域，该方法包括：构建线上兴趣组超图，获得融合社交意图的线上用户表征和线上兴趣组表征；构建线下事件超图，获得线下意图感知的线下用户表征和线下兴趣组表征；增强线上兴趣组表征和线下兴趣组表征，得到线上增强兴趣组表征和线下增强兴趣组表征；分别对线上用户表征、线下用户表征、线上增强兴趣组表征以及线下增强兴趣组表征对齐后得到双意图用户表征以及双意图兴趣组表征；获取其中一个目标用户与兴趣组，根据双意图用户表征以及双意图兴趣组表征确定的匹配度确定目标兴趣组。本发明解决了现有技术中兴趣组推荐不准确的问题。

本发明授权事件社交网络中基于双意图对比学习的兴趣组推荐方法在权利要求书中公布了：1.一种事件社交网络中基于双意图对比学习的兴趣组推荐方法，其特征在于，所述方法包括： 根据用户与兴趣组之间的线上交互关系，构建线上兴趣组超图，通过超图神经网络对线上兴趣组超图进行表征学习，获得融合社交意图的线上用户表征和线上兴趣组表征，具体的： 线上兴趣组超图的表达式为： ； 融合社交意图的线上用户表征和线上兴趣组表征的表达式为： ； 其中，，U和G分别为用户集、兴趣组集，为超边集，，是线上兴趣组超图的邻接矩阵，M、K分别表示用户集和兴趣组集大小，当节点，其中为兴趣组的成员集时，，、分别表示用户、兴趣组初始特征嵌入矩阵，为超图神经网络参数，表示经典的超图神经网络； 根据兴趣组举办事件以及成员参与事件数据，构建线下事件超图，通过超图神经网络对线下事件超图进行表征学习获得线下意图感知的线下用户表征和线下兴趣组表征，具体的： 线下事件超图的表达式为： ； 线下用户表征和线下兴趣组表征的表达式为： ； ； 其中，表示用户和事件节点集合，表示超边集合，每条超边对应一个兴趣组，，兴趣组成员节点及所参与的事件节点通过超边连接，表示线下事件超图的邻接矩阵，M、N、K分别表示用户集、事件集和兴趣组集大小，当节点时，，其中，为兴趣组的成员集，为成员参与的事件集，为消息模块堆叠的层数，l为消息模块的层数索引，，表示用户节点关联的超边集合，表示用户节点所关联的超边的嵌入，，其中表示逐元素相乘，表示可训练的权重矩阵，表示拼接操作，，，表示兴趣组的成员集合，表示兴趣组的成员的嵌入，表示事件的嵌入，表示节点聚合函数，为注意力聚合机制，d表示的是嵌入的维度； 通过兴趣组与事件交互关系分别增强线上兴趣组表征和线下兴趣组表征，得到线上增强兴趣组表征和线下增强兴趣组表征，具体的： 将兴趣组事件交互关系表示为二部图； 将兴趣组嵌入与事件嵌入的拼接，以及邻接矩阵输入到图神经网络中，得到： ； 将初始嵌入通过L层卷积层，再将每一层得到的嵌入进行平均得到最终的由事件提升的兴趣组表征: ； 将兴趣组表征分别用于增强线上兴趣组表征和线下兴趣组表征： ； ； 其中，表示所有兴趣组和事件节点，G和I分别为兴趣组集、事件集，表示兴趣组与发布的事件之间相连边集，为邻接矩阵，N、K分别表示事件集和兴趣组集大小，且，其中，为兴趣组与事件交互矩阵，当兴趣组发布了事件时，，表示兴趣组通过事件增强的表征，表示图神经网络的可训练参数，为图神经网络，表示兴趣组的线上表征，表示兴趣组的事件提升表征，表示兴趣组的线下表征； 分别对线上用户表征、线下用户表征、线上增强兴趣组表征以及线下增强兴趣组表征对齐后得到融合双意图的双意图用户表征以及双意图兴趣组表征，具体的： 分别在用户表征层面、增强兴趣组表征层面上构造对比损失，以实现跨场景语义的融合与表征互补增强； 获取其中一个目标用户与兴趣组，根据双意图用户表征以及双意图兴趣组表征确定的匹配度确定目标兴趣组，以对目标兴趣组进行推荐。

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南昌航空大学，其通讯地址为：330000 江西省南昌市红谷滩区丰和南大道696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。