Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜南京大学;江苏图客机器人有限公司陈力军获国家专利权

恭喜南京大学;江苏图客机器人有限公司陈力军获国家专利权

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!

龙图腾网恭喜南京大学;江苏图客机器人有限公司申请的专利一种带权多兴趣类别增强的推荐系统召回方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:CN114676333B

龙图腾网通过国家知识产权局官网在2025-04-25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:202210347376.4,技术领域涉及:G06F16/9535;该发明授权一种带权多兴趣类别增强的推荐系统召回方法是由陈力军;刘佳;汪一峰;陈星宇;鄢伟设计研发完成,并于2022-04-01向国家知识产权局提交的专利申请。

一种带权多兴趣类别增强的推荐系统召回方法在说明书摘要公布了:本发明提供了一种带权多兴趣类别增强的推荐系统召回方法,包括物品候选池、用户‑物品历史交互数据以及后台服务器。其工作方法是:基于用户与物品的历史交互数据,通过对用户的历史物品序列和物品类别序列建模,学习用户的带权重的多兴趣向量,基于用户的带权多兴趣从物品候选池为用户推荐物品。本发明将物品类别特征与用户的带权多兴趣建模技术应用于推荐系统召回阶段中,较大程度地提升了推荐系统召回结果的准确率与召回率。

本发明授权一种带权多兴趣类别增强的推荐系统召回方法在权利要求书中公布了:1.一种带权多兴趣类别增强的推荐系统召回方法,其特征在于,包括以下步骤:步骤1,从全体数据集合中提取用户u最近n个历史交互物品序列Su和对应的物品类别序列Qu;步骤2,将用户的历史交互物品序列和物品类别序列进行向量化;步骤3,将步骤2向量化后的结果送入自注意力网络,得到序列的总体信息;步骤4,将序列的总体信息送入多兴趣提取网络中提取用户u的多兴趣向量;步骤5,将多兴趣向量送入带权多兴趣演变层学习下一时刻多兴趣向量的权重;步骤6,结合用户u的多兴趣向量和权重来计算出与其他物品的得分,根据物品得分的大小进行推荐;步骤1中,所述全体数据集合中包括用户编号u、物品编号i、物品类别号c和物品交互时间t,根据用户编号u聚合历史交互物品序列,如果序列长度超过n个则截取最近n个,如果不满n个则左边补0,直到长度为n,得到历史交互物品序列Su及其对应的物品类别序列Qu;步骤2包括:将物品的编号向量化表示为e,其中表示e的维度为d;用户u的历史交互物品序列Su向量化表示为其中代表用户u历史交互的第2个物品;物品类别序列向量化为δ表示取物品类别的操作;步骤3-1,定义可学习参数将Cu分别与WK和WV相乘得到中间参数K和V,将历史交互物品序列的向量化表示Eu与WQ相乘得到中间参数Q,其中Q=Eu·WQ,K=Cu·WK,V=Cu·WV;步骤3-2,采用如下公式计算历史交互物品序列向量化表示与物品类别序列向量化表示之间的注意力权重R1: 其中softmax为针对数组数据的归一化操作;T代表矩阵的转置操作,dk为K的最后一维的维度;步骤3-3,采用如下公式计算历史交互物品序列与物品类别序列关联的结果H:H=R1·V+Eu, 步骤4包括如下步骤:步骤4-1,所述多兴趣提取网络用于从H中提取用户u的k个兴趣,定义W1和W2为可训练参数,计算得到A1是历史交互物品序列中每一个物品对应的k个兴趣,多兴趣提取网络首先是对原始输入H进行非线形压缩,将其从压缩至表达式如下, A1=softmaxtanhHW1W2其中tanh为激活函数,ex为指数函数,e为自然对数的底数;步骤4-2,计算得到用户的k个兴趣的向量化表示Vu: 步骤5包括如下步骤:步骤5-1,建模用户每个兴趣的区分度,基于Vu、H、Eu和Cu得到用户购买物品过程中多兴趣的权重A2: 步骤5-2,使用多头自注意力机制来学习用户多兴趣变化过程,取最后一个的结果代表下一时刻用户的k个兴趣重要度得分A3,“:”为取数组中全部数据操作: 其中multi_attention为多头的注意力机制;步骤6包括如下步骤:步骤6-1,训练阶段,先找出与目标物品et最为相近的兴趣Mu作为当前阶段用户的兴趣:Mu=Vu[argmaxsoftmaxVuetA3,:]其中argmax为取数组最大元素的下标,公式中:为取数组中全部数据操作;最大化用户u和目标物品et的概率,使用采样softmax方法来计算用户u和其他目标物品交互的概率,通过如下所示的目标函数来训练模型: 其中Sample为随机采样操作,ei是随机采样操作的结果;步骤6-2,通过下述计算表达式得到用户u的推荐物品集合Su,I: 得到每个兴趣对应的具体得分后,与兴趣权重得分加权后再统一排序,将其中得分排名前N个物品推荐给用户。

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大学;江苏图客机器人有限公司,其通讯地址为:210023 江苏省南京市栖霞区仙林大道163号南京大学;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。