专利交易市场

一种基于多核图卷积网络的在线社交平台用户好友推荐方法，根据在线社交网络平台用户关系数据构建一个社交关系网络，构建多核图卷积网络模型，该模型包含两层结构，第一层是一个三维图卷积核，第二层包含多个三维图卷积核，得到节点嵌入矩阵，对嵌入矩阵做内积操作，加入激活函数，得到节点相似性矩阵，将所有无连边节点对按降序排列，取排列较前的节点对，对应的用户即为相互推荐的好友，本发明考虑了高阶邻域特征，使用了多核卷积对网络进行了优化，提高了准确性和预测精度。

基于时空有向图卷积网络的出租车载客点推荐方法，包括：(1)表示轨迹时空图。用基于有向图的表示来代替传统的表示方法，将包含特征属性即兴趣点的上客点或者下客点作为节点，用有向边表示上客点指向下客点；(2)基于步骤(1)的分析与计算结果，根据轨迹时空图的表示，进行计算任务的分配；(3)路侧单元采用时空有向图卷积网络提取时空图特征并对载客点进行推荐。本发明还包括基于时空有向图卷积网络的出租车载客点推荐系统。本发明结合了将边缘计算与云计算配合的云边协同框架，以适应局部性，实时、短周期数据的处理与分析，能更好的支持本地业务的实时智能化决策与执行。

本发明提出一种结合自适应周期与兴趣量因子的图卷积网络推荐方法，结合艾宾浩斯遗忘曲线构建可计算用户兴趣程度的兴趣模型，能够更形象合理地模拟用户的兴趣变化规律，可比较显式地表示用户的动态行为变化，采用遗忘曲线拟合出的函数对用户的兴趣权重占比进行计算，能够更准确地判别出用户当前的兴趣情况，本发明引入了自适应周期和兴趣量因子，更为准确地解析用户的整体偏好，采用聚类和线性回归技术对其求解，根据用户针对同种类型项目具有相似行为的规律对用户行为进行聚类并拟合，获取用户的自适应周期，再结合用户‑项目的行为规律，归结出用户对项目的兴趣量，这些深度信息的特征表示，蕴含着更高阶的协作，有助于捕获用户的整体偏好。

本发明提出了一种基于时空注意力和异构图卷积网络的信息扩散预测系统，包括数据表示融合模块、嵌入预测模块、预测扩散模块和数据优化模块；数据表示融合模块的数据输出端与嵌入预测模块的数据输入端相连，嵌入预测模块的数据输出端与预测扩散模块的数据输入端相连，预测扩散模块的数据输出端与数据优化模块的数据输入端相连；数据表示融合模块用于利用多层图卷积网络学习行为图和影响力图结构的最终用户表示，并将学习到的用户表示融合起来；嵌入预测模块用于进行实时预测信息，将时间序列嵌入到异构图；预测扩散模块利用多头注意力网络机制进行信息扩散预测。本发明提高了对用户上下文编码、学习以及捕获上下文依赖信息的效率，以及有效提高信息扩散预测精度。

本发明提出了一种通过社交网络关系的图卷积协同过滤实现的产品推荐方法，包括：S1，随机初始化节点的嵌入矩阵并查询分别得到用户u和物品i的初始化嵌入；S2，在获得节点的初始化嵌入之后，用语义聚合层来聚合并更新节点嵌入；首先在语义聚合层引入一阶语义聚合而后将一阶语义聚合扩展到各层，实现高阶语义聚合；S3，在分别得到社交嵌入传播层的语义聚合嵌入向量和交互嵌入传播层的语义聚合嵌入向量之后，先将社交嵌入传播层和交互嵌入传播层的用户嵌入向量进行融合；而后将各嵌入传播层得到的各阶嵌入进行加权求和融合得到最终的用户嵌入和物品嵌入；S4，根据物品的嵌入为用户推荐产品。本发明能提取用户的社交信息，可扩展性高，挖掘到的语义信息丰富，推荐效果好。

本发明涉及数据处理领域，涉及一种基于图卷积网络的环境数据的格点处理方法；所述方法包括获取目标区域内的空气质量监测数据和气象监测数据；对所有监测数据进行缺失处理，并将站点的监测数据映射到目标区域所划分的格点矩阵内；使用风向数据和风速数据生成动态风场图，并使用迪杰斯特拉算法计算出风场邻接矩阵；根据空气质量浓度数据构建出每个时刻的掩码矩阵，根据风场邻接矩阵、掩码矩阵和气象监测数据构建出每个时刻的特征向量集合Z；根据掩码矩阵和空气质量浓度数据生成每个时刻的目标矩阵Y；将特征向量集合Z矩阵输入到训练完成的图卷积神经网络模型，得到目标矩阵的估计矩阵P。本发明能提高环境数据格点化的精度。

本发明提出一种基于融合用户意图的交互兴趣图的图卷积网络推荐方法，该方法结合融入用户意图的兴趣图，进行簇间交互和二次子图分裂操作，使模型能在传播中更有选择性地对高阶节点汲取正反馈，以此来达到增强模型高阶传播学习的能力，本发明融合用户意图构建用户交互兴趣图，从时间和位置因素来考虑用户意图，将传统的用户‑项目交互组织图结构中松散的、孤立的节点进行增强连接，不仅使项目序列变得更为紧密，提高了用户兴趣表示的精确性；本发明的高密度兴趣图通过簇间交互来传导及连接相关节点信息，使项目间的交互更为充分，让用户的潜在兴趣信息更大程度分布在兴趣图的相关位置上，从而提升推荐准确率。