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！

龙图腾网获悉北京理工大学申请的专利一种基于序列增长感知模型的会话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：CN116127185B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211568469.6，技术领域涉及：G06F16/9535；该发明授权一种基于序列增长感知模型的会话推荐方法是由施重阳;赵舒鑫设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种基于序列增长感知模型的会话推荐方法在说明书摘要公布了：本发明涉及一种基于序列增长感知模型的会话推荐方法，属于网络大数据信息推荐技术领域。本方法将所有会话，按照大小为一的窗口递增规则划分为多个增长状态。将所有会话的同一增长状态建立为离散形式的全局动态图，来建模顺序信息和动态转移模式。然后，利用包含增长感知层和动态感知层的动态图神经网络，完成全局动态转移模式的捕获。同时，将单个会话建立为局部静态图，用于捕获局部静态转移模式。最后，基于捕获到的全局动态转移模式和局部静态转移模式，实现会话推荐。本方法极大地丰富了会话中的物品转移模式信息，有效提高了推荐效果。

本发明授权一种基于序列增长感知模型的会话推荐方法在权利要求书中公布了：1.一种基于序列增长感知模型的会话推荐方法，其特征在于，包括如下步骤： 步骤1：利用会话构建全局动态图； 首先，将所有会话按照既定规则划分，将划分获得的增长状态建立为离散式的动态图结构，称为全局动态图；其中，所有会话是指数据集中全部的会话序列； 对会话进行划分的既定规则为：将一个初始大小为二，按照大小为一的梯度进行增长的划分窗口，其能够将每个会话划分为多个增长状态； 离散式的动态图，是一种具体的动态图表示形式，图结构的动态性由多个按序排列的节点和边不完全相同的静态图来体现，通过这种图结构的进化，序列的增长过程被显式建模； 一个静态图由若干个会话的同一增长状态构成，其中的每个节点代表一个物品，两个节点之间的邻接边代表两个物品之间存在相邻的交互顺序，并且两个节点间边的数量代表了两个物品相邻出现的次数； 步骤2：利用单个会话，构建局部静态图； 其中，单个会话是指一个独立的会话序列，且不包含与其他会话的交互，即，一个局部层级的信息；建立的静态图是一种无向图结构，其中的节点对应物品，边对应两个物品之间的相邻关系，并且边的数量与两个物品相邻出现的次数一致； 步骤3：进行全局动态图的结构增长感知； 对于一个静态图结构，首先通过嵌入层获取节点向量矩阵，再根据邻接矩阵完成节点间的信息传播和聚合操作，从而更新节点的向量矩阵；在进行信息的传播和聚合操作时，利用注意力机制计算节点和其邻居的关联系数，再根据关联系数进行加权求和，完成针对性地信息传播和聚合；最终的向量矩阵包含对应的图结构信息； 重复上述的结构信息提取操作，得到与静态图数量对应的节点向量矩阵； 在节点向量矩阵的基础上嵌入对应的位置向量，得到每个静态图对应的包含结构信息和顺序信息的节点向量矩阵，作为增长感知输出； 步骤4：进行全局动态图的结构动态感知； 在获取到步骤3输出的多个节点向量矩阵后，为捕获整体的结构动态变化，利用自注意力机制对多个节点向量矩阵进行关联融合，得到融合后的全局动态转移模式向量矩阵； 在融合前，按照最后一个节点向量矩阵中节点数量，将其他矩阵填充至相同大小，填充节点的向量为全零向量； 步骤5：捕获局部静态图中的静态转移模式； 利用图注意力机制对单个会话中的物品转移模式进行学习，该局部静态信息将与全局动态信息融合，最终获得信息均衡的会话表示，用于下一交互的预测； 首先通过嵌入层获取局部静态图的节点向量矩阵，其中的节点向量为局部静态图中物品对应的向量；计算会话平均表示，由局部静态图中所有物品节点向量求和后平均得到；根据每个节点向量与会话平均表示进行相似度计算，获得成对的关联系数，并对关联系数进行归一化处理；基于归一化后的关联系数为每个节点分配注意力权重，保证和会话相似的节点被分配更大的注意力权重；根据注意力权重完成节点间的信息传播和聚合，得到局部静态转移模式； 步骤6：基于全局动态转移模式和局部静态转移模式，进行会话表示； 步骤4获得融合后的向量矩阵作为全局动态转移模式，步骤5从单个会话中获得局部静态转移模式；将两者通过全连接层进行融合，获得最终的会话表示，该会话表示同时考虑了全局和局部层级的信息及动态和静态两类转移模式； 步骤7：利用会话表示交互预测； 将步骤6得到的会话表示与所有物品构成的向量矩阵相乘，再利用softmax函数进行处理，得到所有物品成为下一交互的概率分布；选取其中概率值由大到小的前K个物品作为推荐列表，K值根据精度要求进行设定； 步骤8：利用交叉熵损失函数进行模型训练； 使用真实的概率分布与步骤7得到的预测概率分布之间的交叉熵作为损失函数进行模型训练，完成会话推荐。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。