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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京云智控產(chǎn)業(yè)技術(shù)研究院有限公司申請的專利基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦系統(tǒng)及方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114357241B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06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)?專利號為：202110468288.5，技術(shù)領(lǐng)域涉及：G06F16/735；該發(fā)明授權(quán)基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦系統(tǒng)及方法是由董璐;謝程燕;王遠(yuǎn)大;孫佳設(shè)計研發(fā)完成，并于2021-04-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦系統(tǒng)及方法在說明書摘要公布了：本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦系統(tǒng)及方法，目的是實現(xiàn)在一段時間內(nèi)用戶體驗的最優(yōu)化。同時通過用戶的歷史交互數(shù)據(jù)構(gòu)建電影相似度無向圖，獲得更精確的電影表達(dá)，提高電影推薦準(zhǔn)確度。技術(shù)方案為：本發(fā)明的設(shè)計分為4個模塊構(gòu)圖模塊、電影向量生成模塊、用戶向量生成模塊以及推薦模塊。本發(fā)明的步驟包括構(gòu)建電影相似度無向圖、構(gòu)建圖神經(jīng)網(wǎng)絡(luò)以獲得電影向量表示矩陣、構(gòu)建注意力模塊提取并融合用戶觀影歷史中所含信息以獲得用戶向量表示、構(gòu)建多層感知機模型擬合推薦策略、按狀態(tài)動作值排序并生成推薦電影。本發(fā)明提供一種電影相似度無向圖的構(gòu)建，并通過圖神經(jīng)網(wǎng)絡(luò)的引入有效提高電影推薦準(zhǔn)確度。

本發(fā)明授權(quán)基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦系統(tǒng)及方法在權(quán)利要求書中公布了：1.基于圖神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)的交互電影推薦方法，其特征在于，該方法包括如下步驟：步驟S1：根據(jù)數(shù)據(jù)庫中用戶與電影交互歷史數(shù)據(jù)，構(gòu)建電影相似度無向圖；步驟S2：將電影相似度無向圖的鄰接矩陣A和隨機初始化的電影向量表示矩陣E作為輸入，經(jīng)過所構(gòu)建的圖神經(jīng)網(wǎng)絡(luò)模型，獲得更新后的電影向量表示矩陣E′；步驟S3：將更新后的電影向量表示矩陣以及用戶在仿真交互環(huán)境中的當(dāng)前歷史觀影記錄作為輸入，經(jīng)過所構(gòu)建的自注意力網(wǎng)絡(luò)模型的計算，輸出用戶特征向量表示；步驟S4：將當(dāng)前用戶特征向量作為輸入，經(jīng)過多層感知機網(wǎng)絡(luò)模型擬合策略，輸出每一部待推薦電影的狀態(tài)動作值；步驟S5：將待推薦電影按其狀態(tài)動作值由大到小進(jìn)行排序，生成最終的電影推薦；所述S3中的用戶特征向量計算具體步驟為：步驟S3.1按照索引，用更新后的電影向量表示矩陣E′中的向量表示用戶歷史觀影記錄；步驟S3.2按照用戶打分，對觀影記錄中的電影進(jìn)行分類，每一類的電影所組成的向量矩陣為步驟S3.3將每一類電影向量矩陣作為自注意力網(wǎng)絡(luò)的輸入，經(jīng)過自注意力網(wǎng)絡(luò)的計算得到： 其中，是自注意力網(wǎng)絡(luò)查詢語句權(quán)重，是自注意力網(wǎng)絡(luò)匹配標(biāo)志權(quán)重，是待匹配語句權(quán)重，這三個權(quán)重由網(wǎng)絡(luò)訓(xùn)練得，h是維度參數(shù)，等于矩陣的維度，用于防止所求過大；步驟S3.4將自注意力網(wǎng)絡(luò)的輸出作為前向網(wǎng)絡(luò)的輸入,進(jìn)一步挖掘特征信息并增加模型非線性程度： 其中，表示自注意力網(wǎng)絡(luò)的輸出，W1，b1分別表示第一層神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置，W2，b2分別表示第二層神經(jīng)網(wǎng)絡(luò)的權(quán)重和偏置，ReLU函數(shù)為線性整流函數(shù)；自注意力網(wǎng)絡(luò)和前向網(wǎng)絡(luò)組成一個自注意力模塊，各分類的自注意力模塊共同組成特征提取模塊；步驟S3.5特征提取模塊輸出各分類下的電影特征向量，特征合成模塊通過將各分類下的電影特征向量進(jìn)行合并，生成用戶特征向量。

如需購買、轉(zhuǎn)讓、實施、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)人南京云智控產(chǎn)業(yè)技術(shù)研究院有限公司，其通訊地址為：210042 江蘇省南京市玄武區(qū)玄武大道108號徐莊高新區(qū)二期聚慧園五號樓7層；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)”。