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！

龙图腾网获悉电子科技大学长三角研究院(湖州)申请的专利一种基于多重会话感知的超图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：CN115631005B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211307723.7，技术领域涉及：G06Q30/06；该发明授权一种基于多重会话感知的超图推荐方法是由饶云波;慕通泽;曾少宁设计研发完成，并于2022-10-24向国家知识产权局提交的专利申请。

本一种基于多重会话感知的超图推荐方法在说明书摘要公布了：本发明公开了一种基于多重会话感知的超图推荐方法，利用超图获得物品间的高阶关系表征，并结合共现图和局部会话图，获得会话内和会话间的物品关联性表征，通过利用门控机制挖掘多个会话间互益的信息，自适应的捕获到会话行为序列中物品的依赖关系，进而为用户提供更精确的推荐结果。本发明利用超图天然的性质，对会话中复杂的多元关系进行建模，通过保持序列信息缓解超边同构问题。本发明通过建立共现图结构和局部会话图结构，实现对不同会话中相似的用户意图和相同会话中潜在的行为模式之间的连接，能够探索复杂的跨会话和会话内部中行为模式的相互影响力。

本发明授权一种基于多重会话感知的超图推荐方法在权利要求书中公布了：1.一种基于多重会话感知的超图推荐方法，其特征在于，包括以下步骤： S1、根据用户会话数据构建超图与超图卷积网络，得到物品的超图嵌入表示；所述步骤S1包括以下分步骤： S11、根据用户会话数据构建超图G＝V,E，其中V表示包含N个不同节点的节点集，E表示包含M个不同超边的边集； S12、对每一个超边e∈E分配一个权重Wee，并获取超图的关联矩阵H∈RN×M； S13、根据权重Wee和关联矩阵H计算超图中节点的度Dvv和超边的度Bee： 其中e表示第e条超边，v表示第v个节点； S14、根据权重W和关联矩阵H构建超图卷积网络： 其中表示可学习的特征矩阵，上标T表示矩阵的转置，上标-1表示矩阵的逆矩阵，上标l表示第l次迭代计算，D表示节点的度矩阵，B表示超边的度矩阵； S15、根据特征矩阵计算得到物品的超图嵌入表示Xh： 其中L表示超图卷积网络的卷积层数； S2、根据用户会话数据构建局部会话图，得到会话的局部会话图嵌入表示；所述步骤S2包括以下分步骤： S21、根据用户会话数据构建局部会话图LV,E，局部会话图中每一个节点vi∈V表示一个物品，每一条边vi-1,vi∈E表示用户在会话中与相邻时间步物品的两次交互； S22、通过注意力机制计算局部会话图的重要性： 其中eij表示节点vj的特征对于节点vi的重要性，LeakyReLU·为非线性激活函数，w为可学习的权重矩阵，⊙表示哈德曼积，下标rij为节点vi和vj之间的出度、入度或自环的关系，分别表示节点vi和节点vj的局部会话图嵌入表示； S23、对重要性eij进行归一化处理，得到注意力权值αij： 其中exp·表示指数函数，表示节点vi的邻域； S24、根据注意力权值αij计算物品的局部会话图嵌入表示 S25、根据物品的局部会话图嵌入表示计算会话的局部会话图嵌入表示sL： 其中表示第L层局部会话图网络中第i个物品的嵌入表示，l表示局部会话图中的物品数量； S3、根据用户会话数据构建共现图，得到会话的共现图嵌入表示；所述步骤S3包括以下分步骤： S31、根据用户会话数据构建共现图CoV,E，共现图中每一个节点表示一个会话，每一条边表示至少有一个共享物品的两个会话之间彼此相连； S32、获取共现图的关联矩阵A∈RM×M，并根据关联矩阵A计算关联特征矩阵 其中I表示单位矩阵； S33、根据关联特征矩阵计算共现图卷积的会话表示： 其中表示对角度矩阵； S34、根据共现图卷积的会话表示计算会话的共现图嵌入表示Sco： 其中表示第l次迭代计算得到的嵌入表示； S4、结合物品的超图嵌入表示、会话的局部会话图嵌入表示以及会话的共现图嵌入表示进行会话表示生成及预测，得到推荐结果；所述步骤S4包括以下分步骤： S41、在物品的超图嵌入表示Xh中嵌入可学习的位置矩阵P＝{p1,p2,…,pm}，得到物品的嵌入向量： 其中表示会话中第t个物品的嵌入向量，表示第t个物品的超图嵌入表示，m表示当前会话的长度，i表示位置矩阵P中第i个元素，W1为可学习的权重参数，b为可学习的偏置参数； S42、计算超图注意力权重αt： 其中fT为可学习的参数，σ·表示Sigmoid函数，表示会话s的嵌入表示，表示会话中用户当前点击的最后一个物品，即会话中第t个物品的嵌入向量，W2和W3均为可学习的权重参数，c为可学习的偏置参数； S43、根据超图注意力权重αt计算会话的超图嵌入表示Sh： S44、采用门控机制对会话的局部会话图嵌入表示SL以及会话的共现图嵌入表示Sco进行融合，得到融合局部会话图和共现图的最终表示SLC： SLC＝f·SL+1-f·Sco f＝σWcoSco+WLSL 其中f表示门控单元，Wco表示可学习的共现图权重参数，WL表示可学习的局部会话图权重参数； S45、根据会话的超图嵌入表示Sh以及融合局部会话图和共现图的最终表示SLC构建学习目标函数 其中表示将会话的超图嵌入表示Sh打乱行或者列后生成的负样本； S46、根据学习目标函数对基于多重会话感知的会话推荐模型进行学习，直到学习目标函数收敛，输出得到推荐结果。

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电子科技大学长三角研究院(湖州)，其通讯地址为：313000 浙江省湖州市西塞山路819号南太湖科技创新综合体B2幢8层；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。