買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN117196750B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202310421150.9，技術(shù)領(lǐng)域涉及：G06Q30/0601；該發(fā)明授權(quán)基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法是由胡海洋;汪啟航設(shè)計(jì)研發(fā)完成，并于2023-04-19向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法在說明書摘要公布了：本發(fā)明公開基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法。以商品為節(jié)點(diǎn)，用戶行為為邊，且不同行為設(shè)置不同邊權(quán)重值構(gòu)建商品關(guān)系圖，突出用戶維度特征。并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)包括內(nèi)部特征提取模塊，外部特征提取模塊和元路徑模塊。內(nèi)部特征提取模塊通過注意力機(jī)制學(xué)習(xí)同類型節(jié)點(diǎn)特征，采樣強(qiáng)相關(guān)節(jié)點(diǎn)。外部特征提取模塊通過特征空間和拓?fù)淇臻g，結(jié)合注意力機(jī)制捕獲網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中遠(yuǎn)距離節(jié)點(diǎn)間依賴關(guān)系，增強(qiáng)不同類型節(jié)點(diǎn)間多維信息傳播特征的提取能力。元路徑模塊提取深層語義信息。使用并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)，以優(yōu)化異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的特征嵌入的學(xué)習(xí)性能，解決已有模型特征提取能力不足、無法捕獲節(jié)點(diǎn)的長距離依賴等問題。

本發(fā)明授權(quán)基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法在權(quán)利要求書中公布了：1.基于并行提取特征的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的商品推薦方法，其特征在于所述方法包括如下步驟： 步驟（1）：獲取電子商務(wù)商品數(shù)據(jù)，包括商品屬性和用戶行為； 步驟（2）：對電子商務(wù)商品數(shù)據(jù)進(jìn)行預(yù)處理；具體是： 根據(jù)電子商務(wù)商品數(shù)據(jù)構(gòu)建商品關(guān)系圖G，所述商品關(guān)系圖G中商品為節(jié)點(diǎn)，商品屬性為節(jié)點(diǎn)屬性，邊為用戶行為；所述商品關(guān)系圖G采用特征矩陣X進(jìn)行表示；所述特征矩陣X中元素值為0表示兩商品節(jié)點(diǎn)之間沒有直接相連，元素值大于0表示兩商品節(jié)點(diǎn)之間直接相連的關(guān)系，且元素值為1對應(yīng)的用戶行為是用戶在一段時(shí)間內(nèi)點(diǎn)擊了這兩個(gè)商品，元素值為2對應(yīng)的用戶行為是用戶將兩個(gè)商品同時(shí)放入購物車，元素值為3對應(yīng)的用戶行為是用戶同時(shí)下單了這兩個(gè)商品； 基于用戶行為，對商品關(guān)系圖G中各節(jié)點(diǎn)提取元路徑； 步驟（3）：對特征矩陣X進(jìn)行初始類型分類： 根據(jù)電子商務(wù)中原始商品分類，從特征矩陣X中抽取同類型節(jié)點(diǎn)以及這些節(jié)點(diǎn)在特征矩陣X中原始的邊關(guān)系，形成同類型特征矩陣X1； 步驟（4）：采用內(nèi)部特征模塊，提取同類型特征矩陣； 步驟（5）：采用外部特征模塊，采用隨機(jī)注意力機(jī)制結(jié)合網(wǎng)絡(luò)拓?fù)淇臻g和節(jié)點(diǎn)特征空間學(xué)習(xí)中長距離依賴關(guān)系，提取不同類型節(jié)點(diǎn)間的特征； 步驟（6）：采用元路徑模塊，挖掘元路徑中的高級語義信息，進(jìn)一步更新網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，提取關(guān)系矩陣； 步驟（7）：采用圖卷積模塊，根據(jù)同類型特征矩陣、不同類型節(jié)點(diǎn)間的特征、關(guān)系矩陣，輸出分類結(jié)果； 步驟（8）：根據(jù)商品節(jié)點(diǎn)分類結(jié)果進(jìn)行商品推薦；具體是：根據(jù)圖卷積模塊分類后的同一類別商品在商品關(guān)系圖G中的邊進(jìn)行累加，根據(jù)累加值判斷用戶對該類別商品的興趣，進(jìn)而進(jìn)行商品推薦； 步驟（4）具體是： 4-1內(nèi)部特征模塊通過注意力機(jī)制學(xué)習(xí)同類型節(jié)點(diǎn)特征，更新節(jié)點(diǎn)特征： 給定一對同類型節(jié)點(diǎn),，注意力機(jī)制學(xué)習(xí)節(jié)點(diǎn),的兩者相關(guān)性，即節(jié)點(diǎn)對節(jié)點(diǎn)的貢獻(xiàn)；的計(jì)算公式如下所示： ； 其中,分別是節(jié)點(diǎn),的嵌入向量，表示注意力機(jī)制； 4-2對通過SoftMax函數(shù)進(jìn)行歸一化處理，得到節(jié)點(diǎn)的權(quán)重值，其公式如下： ； 其中表示節(jié)點(diǎn)的個(gè)數(shù)；（）表示歸一化函數(shù)； 4-3對節(jié)點(diǎn)的權(quán)重值與閾值比較，即判斷兩個(gè)同類型節(jié)點(diǎn)之間的相關(guān)性，若大于閾值，則認(rèn)為這兩個(gè)同類型節(jié)點(diǎn)存在強(qiáng)相關(guān)性，不做任何處理，反之則認(rèn)為這兩個(gè)同類型節(jié)點(diǎn)為弱相關(guān)節(jié)點(diǎn)，將同類型特征矩陣X1中對應(yīng)的元素更新為0； 4-4通過一個(gè)全連接層輸出更新后同類型特征矩陣； 步驟（5）具體是： 5-1采用隨機(jī)注意力機(jī)制結(jié)合節(jié)點(diǎn)特征空間學(xué)習(xí)中長距離依賴關(guān)系，具體過程如下： 5-1-1在節(jié)點(diǎn)特征空間中，經(jīng)過節(jié)點(diǎn)特征映射后，根據(jù)節(jié)點(diǎn)的特征矩陣X和節(jié)點(diǎn)相似度，取相似度最高的k個(gè)節(jié)點(diǎn)建立圖，其鄰接矩陣為； 所述節(jié)點(diǎn)相似度采用余弦相似度的計(jì)算，公式如下所示： ； 其中和分別表示鄰接矩陣中節(jié)點(diǎn)和節(jié)點(diǎn)的特征向量； 5-1-2對特征矩陣X基于鄰接矩陣不斷更新，得到節(jié)點(diǎn)嵌入信息； 5-2采用隨機(jī)注意力機(jī)制結(jié)合網(wǎng)絡(luò)拓?fù)淇臻g學(xué)習(xí)中長距離依賴關(guān)系具體過程如下： 5-2-1在網(wǎng)絡(luò)拓?fù)淇臻g中，根據(jù)特征矩陣X建立網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)GT，其鄰接矩陣為； 5-2-2對特征矩陣X根據(jù)鄰接矩陣不斷更新，得到節(jié)點(diǎn)嵌入信息； 5-2-3在網(wǎng)絡(luò)拓?fù)渲校瞄T機(jī)制來決定注意力模塊中提取的各個(gè)節(jié)點(diǎn)特征向量之間的注意力值是否有效，為1表示有效，為0表示無效，以此阻斷網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上不相鄰節(jié)點(diǎn)或是弱相關(guān)節(jié)點(diǎn)對應(yīng)的注意力數(shù)值向后傳遞； ； 其中,是網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)GT中節(jié)點(diǎn),的嵌入向量，表示注意力機(jī)制，表示閾值； 5-3采用隨機(jī)注意力機(jī)制結(jié)合網(wǎng)絡(luò)拓?fù)淇臻g和節(jié)點(diǎn)特征空間學(xué)習(xí)中長距離依賴關(guān)系，是通過帶參數(shù)共享的GCN，提取網(wǎng)絡(luò)拓?fù)淇臻g和節(jié)點(diǎn)特征空間的公共信息，得到公共嵌入；具體過程如下： 5-3-1分別對鄰接矩陣和通過共享參數(shù)GCN進(jìn)行公共嵌入信息的提取； 5-3-2初始化，迭代次數(shù)m=0，公共嵌入信息=特征矩陣X； 5-3-3使用激活函數(shù)得到公共嵌入信息，公式如下： ； ； 其中Relu表示激活函數(shù)，是網(wǎng)絡(luò)拓?fù)淇臻g和節(jié)點(diǎn)特征空間的共享權(quán)重矩陣，做對稱歸一化處理，分別表示節(jié)點(diǎn)特征空間和網(wǎng)絡(luò)拓?fù)淇臻g第m次迭代后更新特征矩陣X； 5-3-4判斷是否滿足=、=，若是則輸出最終節(jié)點(diǎn)嵌入信息，若否則更新m=m+1，返回步驟5-2-3； 5-3-5將相加求平均得到節(jié)點(diǎn)特征空間和網(wǎng)絡(luò)拓?fù)淇臻g的共同嵌入； 5-4將步驟5-1輸出的節(jié)點(diǎn)嵌入信息，步驟5-2輸出的節(jié)點(diǎn)嵌入信息以及步驟5-3輸出的公共嵌入，進(jìn)行加權(quán)得到最終嵌入；公式如下： ； 其中、、分別是、、的權(quán)重值。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號(hào)大街；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。