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！

龙图腾网恭喜南京理工大学申请的专利一种基于标签的异质图推荐算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：CN113987338B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202111232670.2，技术领域涉及：G06F16/9535；该发明授权一种基于标签的异质图推荐算法是由杜晓宇;陈正;项欣光设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本一种基于标签的异质图推荐算法在说明书摘要公布了：本发明公开一种基于标签的异质图推荐算法。包括以下步骤：1：构建异质图：构建用户‑物品、用户‑标签、物品‑标签三种异质关系图；2：初始化：为图中每个节点关联一个嵌入表示，并进行初始化；将嵌入表示划分为多个分离的块，每个块对应一种属性；3：异质图解耦层；步骤4：高阶信息传播：将异质图解耦层堆叠L层，上一层的输出作为下一层的输入；步骤5：模型训练：使用BPR方法进行模型训练；步骤6：模型测试。本发明充分挖掘标签信息，减轻稀疏性，同时结合信息传播和邻域路由机制自动识别多属性问题，解耦用户的多种偏好和物品的多重特征，从而为模型提供可解释性，提高推荐模型的性能。

本发明授权一种基于标签的异质图推荐算法在权利要求书中公布了：1.一种基于标签的异质图推荐算法，其特征在于，包括以下步骤：步骤1：构建异质图：利用用户的标注历史，构建用户-物品、用户-标签、物品-标签三种异质关系图；步骤2：初始化：为图中每个节点关联一个嵌入表示，并进行初始化；将嵌入表示划分为多个分离的块，每个块对应一种属性；步骤3：异质图解耦层：1由边两端的节点在各属性上的嵌入表示计算该边在各属性上的分布，将异质图划分为多个与各属性相关的异质子图；2分别在各属性对应的异质子图上进行图卷积，扩展节点在该关系下各属性上的信息；3由各异质图上更新的属性信息，计算节点对属性的关注程度；4将各属性上不同的异质信息进行融合，得到节点在该属性上的总体表示；5重复以上步骤T次，使模型收敛，自动识别边在各属性上的分布和节点对各属性的重视程度；步骤4：高阶信息传播：将异质图解耦层堆叠L层，上一层的输出作为下一层的输入，节点的最终表示取所有层输出的平均，利用内积表示用户与物品的匹配程度；步骤5：模型训练：使用BPR方法进行模型训练，将用户交互过的物品视为正样本，未交互过的视为负样本，期望正样本的匹配分数大于负样本；步骤6：模型测试：根据训练后，使用以上模型得到用户和物品的嵌入表示，内积得到用户对所有物品的匹配分数，进行排序，选择分数最高的top-k个物品作为推荐，测试推荐的准确度。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。