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！

龙图腾网获悉武汉纺织大学申请的专利基于大语言模型增强与结构化对齐的推荐方法和系统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：CN121188292B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511726835.X，技术领域涉及：G06F16/9536；该发明授权基于大语言模型增强与结构化对齐的推荐方法和系统是由刘军平;俞明超;朱强;王帮超;杨华利;胡开喜;彭涛;胡新荣设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本基于大语言模型增强与结构化对齐的推荐方法和系统在说明书摘要公布了：本发明属于信息推荐技术领域，尤其涉及基于大语言模型增强与结构化对齐的推荐方法和系统，包括：利用大语言模型处理用户和物品的原始文本，生成初始语义嵌入；构建图神经网络学习协同过滤信号，并结合前述语义嵌入，通过包含保真度、平滑度等约束的流形优化方法学习一组专用于推荐的增强嵌入；将增强嵌入空间和语义嵌入空间视为概率分布，通过求解子空间自表达问题，找到稳定的子空间关系表达系数矩阵；构建扩展正样本集，通过对比学习损失函数对增强嵌入进行指导和优化，使其学习到同类节点的共性特征。本发明将大语言模型的语义理解能力与图模型的协同过滤能力深度融合，显著提升了推荐系统的准确性和鲁棒性。

本发明授权基于大语言模型增强与结构化对齐的推荐方法和系统在权利要求书中公布了：1.基于大语言模型增强与结构化对齐的推荐方法，其特征在于，包括如下步骤： 步骤1，获取用户-物品交互数据和相关文本信息，进行清洗和预处理，并构建用户-物品二部图； 步骤2，构建语义嵌入模块：利用大语言模型生成结构化的用户偏好和物品属性描述，并通过文本编码和映射网络，分别转化为用户初始语义嵌入和物品初始语义嵌入； 步骤3，构建基础图嵌入模块：采用任意基于图神经网络的推荐模型作为主干编码器，对构建的二部图进行信息聚合，学习得到反映协同过滤信号的基础用户嵌入和物品嵌入； 步骤3包括：步骤31，针对轻量级图卷积网络，计算二部图G的对称归一化邻接矩阵，并利用可训练的嵌入矩阵与归一化邻接矩阵聚合获得基础用户嵌入和物品嵌入，其中，A表示二部图G的邻接矩阵，D表示度矩阵； ； 步骤4，初始化一组独立的增强嵌入参数，设计一个包含保真度项、平滑度项和交互接近度项的流形增强损失，通过优化此流形增强损失，学习得到用户增强嵌入和物品增强嵌入； 步骤4中流形增强损失的具体计算包括： 步骤41，初始化另外一组可学习的增强嵌入参数，其中和分别表示用户和物品的可学习增强嵌入，并通过后续的流形增强损失对其进行优化； 步骤5，分别将用户对应的三个嵌入和物品对应的三个嵌入视为不同的视图，构建多视图重构损失，然后通过求解两个子空间自表达系数矩阵C和Z来分别找到用户和用户，物品和物品之间的同类关系，并生成同类关系权重矩阵； 步骤6，利用同类关系权重矩阵中的同类节点语义信息作为扩展正样本，设计对比学习损失以拉近增强嵌入与扩展正样本的距离，同时推远其与批次内其他样本的距离； 步骤7，多目标联合训练：将推荐任务的主损失、流形增强损失、多视图重构损失、对比学习损失以及正则化损失相结合，构建一个统一的多目标优化函数，并对所有模块一起进行端到端训练； 步骤8，训练完成后，利用最终的用户增强嵌入和物品增强嵌入，为目标用户生成个性化的Top-K推荐列表。

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武汉纺织大学，其通讯地址为：430073 湖北省武汉市洪山区纺织路1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。