Page 85 - 《软件学报》2026年第5期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
2026,37(5):1964−1981 [doi: 10.13328/j.cnki.jos.007537] [CSTR: 32375.14.jos.007537] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

*
基于多模态异质图网络的专利推荐算法

赖培源 1,2,4 , 卢伊虹 3 , 廖德章 1 , 王昌栋 3,4 , 戴青云 2,4 , 赖剑煌 3

1
(广东省华南技术转移中心有限公司, 广东 广州 511458)
2
(广东工业大学 信息工程学院, 广东 广州 510006)
3
(中山大学 计算机学院, 广东 广州 510006)
4
(广东省知识产权大数据重点实验室, 广东 广州 510665)
通信作者: 王昌栋, E-mail: changdongwang@hotmail.com
摘 要: 通过专利推荐将科技创新成果转化为现实生活中的实际应用, 让科学技术实现经济价值, 对社会经济发展
具有重大意义. 然而, 现有的专利推荐算法往往忽略了专利本身所包含的多模态信息, 导致推荐结果无法全面反映
专利的真实价值与应用潜力, 进而影响专利与企业需求之间的匹配精度. 为此, 提出了一种基于多模态异质图网络
的专利推荐算法 (multimodal heterogeneous graph network for patent recommendation, MHGN). 首先, 利用预训练表
征模型将专利的多属性文本信息与图像以及企业信息进行初始化表征学习. 随后, 采用图注意力网络学习企业在
不同模态下的偏好表征, 在此基础上, 进一步基于偏好表征的相似度学习企业-专利交互的关系权重, 并设计了一个
图卷积网络来学习企业和专利的节点偏好表征. 最后, 引入了适配向量, 并使用注意力机制对节点偏好表征与多模
态表征进行融合. 在实验验证上, 构建了 4 个真实的高校向企业转让的专利数据集, 并与 7 个先进的基线模型进行
了实验对比, 结果表明, 所提模型在各项指标上均显著优于基线模型.
关键词: 专利推荐; 多模态; 异质图; 技术转移; 适配向量
中图法分类号: TP181

中文引用格式: 赖培源, 卢伊虹, 廖德章, 王昌栋, 戴青云, 赖剑煌. 基于多模态异质图网络的专利推荐算法. 软件学报, 2026, 37(5):
1964–1981. http://www.jos.org.cn/1000-9825/7537.htm
英文引用格式: Lai PY, Lu YH, Liao DZ, Wang CD, Dai QY, Lai JH. Patent Recommendation Algorithm Based on Multimodal
Heterogeneous Graph Network. Ruan Jian Xue Bao/Journal of Software, 2026, 37(5): 1964–1981 (in Chinese). http://www.jos.org.cn/
1000-9825/7537.htm

Patent Recommendation Algorithm Based on Multimodal Heterogeneous Graph Network
3
1
3,4
2,4
LAI Pei-Yuan 1,2,4 , LU Yi-Hong , LIAO De-Zhang , WANG Chang-Dong , DAI Qing-Yun , LAI Jian-Huang 3
1
(Guangdong South China Technology Commercialization Center Co. Ltd., Guangzhou 511458, China)
2
(School of Information Engineering, Guangdong University of Technology, Guangzhou 510006, China)
3
(School of Computer Science and Engineering, Sun Yat-sen University, Guangzhou 510006, China)
4
(Guangdong Provincial Key Laboratory of Intellectual Property and Big Data, Guangzhou 510665, China)
Abstract: The transformation of scientific and technological innovations into practical applications through patent recommendation is of
great significance for realizing the economic value of science and technology and promoting socio-economic development. However,
existing patent recommendation algorithms often overlook the multimodal information embedded in patents, leading to recommendation
results that fail to comprehensively reflect the value and application potential of patents. Consequently, this affects the accuracy of

* 基金项目: 国家自然科学基金 (62276277); 广东省技术转移智能匹配工程技术研究中心项目 (2022A175); 广东省知识产权大数据重点
实验室 (2018B030322016)
本文由“多媒体智能理解与生成”专题特约编辑孙立峰教授、闵巍庆副研究员、马占宇教授、蒋树强研究员、彭宇新教授、田丰研究
员、黄庆明教授推荐.
收稿时间: 2025-02-27; 修改时间: 2025-07-11, 2025-08-29; 采用时间: 2025-09-05; jos 在线出版时间: 2025-09-23
CNKI 网络首发时间: 2025-12-04