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！

龙图腾网获悉大连海洋大学申请的专利一种基于多跳机制的扩散图谱推荐方法及系统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：CN118981545B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411191785.5，技术领域涉及：G06F16/36；该发明授权一种基于多跳机制的扩散图谱推荐方法及系统是由张思佳;刘珈宁;张正龙;王祎涵;安宗诗设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本一种基于多跳机制的扩散图谱推荐方法及系统在说明书摘要公布了：本发明提供一种基于多跳机制的扩散图谱推荐方法及系统，属于深度学习、知识图谱与推荐系统技术领域。本发明由知识图谱构建、特征提取网络及多跳机制扩散模型组成；将不同类型的POI特征分别输入到不同的特征提取隐藏层中，并对它们进行不同的权重分配、嵌入映射和非线性变换等操作，更好地捕捉不同类型兴趣点的特征差异，从而提高模型的表达能力和泛化能力；通过图谱的信息传递，丰富用户画像、发现潜在关联并进行个性化推荐；水波扩散算法能够使模型具备寻找更多实体的能力，以提高其泛化性能；多跳模型能逐步扩展和丰富用户的兴趣点集合，挖掘更多与用户历史行为相关的潜在兴趣点，有效利用用户和知识图谱中的关系信息，实现个性化、多样化推荐。

本发明授权一种基于多跳机制的扩散图谱推荐方法及系统在权利要求书中公布了：1.一种基于多跳机制的扩散图谱推荐方法，其特征在于，包括：构建包含各类兴趣点基本信息及融入语义信息与社会关系的知识图谱；以图卷积神经网络为基础构建POI-GCN特征提取网络，捕获所述知识图谱中的深层次语义信息；基于所述POI-GCN特征提取网络提取的特征，引入水波扩散与多跳机制构建Diffussion-POI推荐模型，生成推荐序列；具体过程如下：S10：根据所述POI-GCN特征提取网络提取的特征向量提取知识图谱特征S101：对知识图谱中的实体进行实体链接，得到匹配后的实体；S102：从实体链接后的知识图谱中抽取出子图；S103：对所述子图中的实体引入上下文文本化特征：contextn＝{nm|n,r,nm∈Gornm,r,n∈G}其中，contextn为用于描述实体n的上下文特征的函数；G代表图谱；r为节点间关系；nm表示第m个实体；n,r,nm代表三元组，实体n、关系r与另一个实体nm；S20：进行图谱的信息传递S201：将引入上下文文本化特征后的所有实体节点的初始值设置为0，将种子节点的初始值设置为1；S202：迭代更新每个实体节点的值，在每次迭代中，对于任一实体节点v，计算它的邻居节点x对它的贡献值dx,v，然后将v的值更新为dx,v的总和，以此不断扩散；S203：重复上述迭代更新过程，直到所有实体节点的值不再发生变化或达到预设的最大迭代次数，输出所有实体的特征表示；S30：进行多跳推荐S301：进行一跳推理：输入所述实体的特征表示、融合全部实体信息的特征向量和用户历史行为并转化为嵌入向量；随机在子图中选取一个节点作为起始节点，计算从起始节点到其直接邻居节点的关系的转移概率；计算用户嵌入向量与子图中实体嵌入向量之间的相似度；随后使用转移概率对相似度进行加权；然后通过迭代进行扩散，模拟用户在子图中的随机游走；经过多轮迭代后，找出一跳后与用户历史行为高度相关的实体集合；S302：进行二跳推理：随机从得到的实体集合中选取新的起始点；接着计算二跳转移概率，结合用户嵌入向量和二跳转移概率，找出二跳后的与用户历史行为更深层次关联的实体集合；S303：重复上述过程，经过多次迭代后，得到与用户历史行为关联程度不同的多个实体集合，对所述多个实体集合进行加权求和，得到加权后的实体集合，对权重值排序在前的实体生成推荐序列，实现个性化推荐。

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大连海洋大学，其通讯地址为：116023 辽宁省大连市沙河口区黑石礁街52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”。