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！

龙图腾网获悉浙江大学申请的专利一种基于社区感知图增强的兴趣点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：CN117370677B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202311418967.7，技术领域涉及：G06F16/9536；该发明授权一种基于社区感知图增强的兴趣点推荐方法是由陈岭;吕丹丹设计研发完成，并于2023-10-30向国家知识产权局提交的专利申请。

本一种基于社区感知图增强的兴趣点推荐方法在说明书摘要公布了：本发明公开了一种基于社区感知图增强的兴趣点推荐方法，包括以下步骤：在用户‑兴趣点图上利用图神经网络获得用户节点嵌入和兴趣点节点嵌入，利用用户社区分类器和兴趣点社区分类器分别发现用户社区和兴趣点社区，利用社区关系编码器发现用户社区和兴趣点社区之间的社区关系；基于用户社区、兴趣点社区和社区关系重建用户‑兴趣点图训练参数以生成社区图，并利用社区内相似性以及社区间连接性分别生成节点增强图和边增强图；构建用户多图嵌入和兴趣点多图嵌入基于贝叶斯个性化排序损失进行训练；给定查询用户，计算其对候选兴趣点的评分并向用户推荐兴趣点。本发明能够提高兴趣点推荐性能，在广告投放、信息推送等领域具有广阔的应用前景。

本发明授权一种基于社区感知图增强的兴趣点推荐方法在权利要求书中公布了：1.一种基于社区感知图增强的兴趣点推荐方法，其特征在于，包括以下步骤： 在用户-兴趣点图上利用图神经网络获得用户节点嵌入和兴趣点节点嵌入； 基于用户节点嵌入和兴趣点节点嵌入利用用户社区分类器和兴趣点社区分类器分别发现用户社区和兴趣点社区，包括：输入用户节点嵌入，遵循基于用户的协同过滤方法的思想，将相似用户的集合视作用户社区，使用用户社区分类器获得每个用户属于每个用户社区的概率并建立用户社区归属矩阵，表示如下： 式中，表示用户社区归属矩阵的第行，表示第个用户节点嵌入，表示由多层感知机实现的函数，函数确保整个概率总和为1；输入兴趣点节点嵌入，遵循基于项目的协同过滤方法的思想，将相似兴趣点的集合视作兴趣点社区，使用兴趣点社区分类器获得每个兴趣点属于每个兴趣点社区的概率并建立兴趣点归属矩阵，表示如下： ， 式中，表示兴趣点社区归属矩阵的第行，表示第个兴趣点节点嵌入； 利用社区关系编码器发现用户社区和兴趣点社区之间的社区关系，包括：输入用户社区归属矩阵和兴趣点社区归属矩阵，得到用户社区和兴趣点社区分别基于下级用户和兴趣点的嵌入，分别表示为和，表示转置，基于这些嵌入，利用社区编码器获得用户社区和兴趣点社区之间的社区关系矩阵，表示如下： ， 式中，表示第个用户社区和第个兴趣点社区之间的关系，即社区关系矩阵的第行第列所在位置的元素，函数确保社区关系的取值范围在0~1之间； 基于用户社区、兴趣点社区和社区关系重建用户-兴趣点图训练参数以生成社区图； 利用社区内相似性以及社区间连接性分别生成节点增强图和边增强图，包括：使用稀疏的用户社区归属矩阵和兴趣点社区归属矩阵来识别社区内关系，基于同一社区中的用户或兴趣点之间的相似性，将边上的用户或兴趣点替换为同一用户社区或兴趣点社区中的其他相似用户或兴趣点，以补全缺失的签到，进而生成节点增强图；使用稀疏的用户社区归属矩阵、兴趣点社区归属矩阵和社区关系矩阵来识别社区间关系，基于社区间的连接性，在所属社区相连接的用户和兴趣点之间添加边以补全缺失的签到，在所属社区不相连的用户和兴趣点之间删除边以消除嘈杂的签到，进而生成边增强图； 结合重建得到的用户-兴趣点图、节点增强图、边增强图和社区图的嵌入得到用户多图嵌入和兴趣点多图嵌入，计算用户对兴趣点的评分，基于贝叶斯个性化排序损失训练用户多图嵌入和兴趣点多图嵌入； 给定查询用户，基于训练后的用户多图嵌入和兴趣点多图嵌入计算查询用户对候选兴趣点的评分，按照评分排序向用户推荐兴趣点。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。