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！

龙图腾网恭喜江西师范大学申请的专利一种基于深广模型的图书推荐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：CN119474550B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510047316.4，技术领域涉及：G06F16/9535；该发明授权一种基于深广模型的图书推荐方法是由吴佳隆;周子煊;周勇;褚庆福;王豹;罗淇丰;徐子灵设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种基于深广模型的图书推荐方法在说明书摘要公布了：本发明公开了一种基于深广模型的图书推荐方法，该方法包括以下步骤，构建数据集，将数据集输入到两个预训练语言模块中，得到两个预训练语言模块最后一层的隐藏状态表示，将两个预训练语言模块最后一层的隐藏状态表示进行平均池化，得到整个输入的综合表示向量，将数据集输入到兴趣提取模块进行处理，得到嵌入层的嵌入表示向量，将嵌入层的嵌入表示向量进行分组拼接，得到兴趣提取模块的输出，将整个输入的综合表示向量和兴趣提取模块的输出进行融合，得到读者对候选借阅图书的概率。本发明通过深广模型中增加注意力机制，注意力机制根据每个行为对用户偏好的影响动态分配权重，从而精准识别用户的关键兴趣，显著增强推荐能力。

本发明授权一种基于深广模型的图书推荐方法在权利要求书中公布了：1.一种基于深广模型的图书推荐方法，其特征在于，以下步骤：步骤S1：构建数据集，数据集由读者信息、借阅行为、候选借阅和场景信息组成；步骤S2：构建深广模型，深广模型由综合表示模块、兴趣提取模块和特征融合模块组成；综合表示模块由两个预训练语言模块组成；兴趣提取模块由门控循环单元层和注意力机制层组成；步骤S3：将步骤S1中数据集的读者信息、借阅行为、候选借阅和场景信息组成两个句子，将两个句子以字粒度表示输入到两个预训练语言模块中，得到两个预训练语言模块最后一层的隐藏状态表示，将两个预训练语言模块最后一层的隐藏状态表示进行平均池化，得到整个输入的综合表示向量；步骤S4：将借阅行为和候选借阅输入到兴趣提取模块的嵌入层进行处理，得到嵌入层的嵌入表示向量，将嵌入层的嵌入表示向量进行分组拼接，得到第i个借阅行为和候选借阅的嵌入表示向量和第i个候选借阅的嵌入表示向量，将第i个借阅行为的嵌入表示向量输入到门控循环单元层中进行处理，得到第i个借阅行为的隐藏状态，将第i个借阅行为和候选借阅的嵌入表示向量和第i个借阅行为的隐藏状态输入注意力机制层中进行处理，得到兴趣提取模块的输出；步骤S4中得到兴趣提取模块的输出，具体过程为：步骤S41：将借阅行为和候选借阅的图书书名、图书作者和图书分类通过标签编码转换为字典整数索引，表示为： （7）； （8）；式中，表示、和分别是图书书名、图书作者和图书分类维护的标签映射字典；表示第n个图书书名和第n个整数索引组成的键值对；表示第n个图书作者和第n个整数索引组成的键值对；表示第n个图书分类和第n个整数索引组成的键值对；、和分别表示图书书名、图书作者和图书分类；、和分别表示图书书名、图书作者和图书分类映射的字典整数索引；步骤S42：将图书书名、图书作者和图书分类映射的字典整数索引输入到兴趣提取模块的嵌入层，嵌入层通过神经网络将图书书名、图书作者和图书分类映射的字典整数索引映射成低维稠密的嵌入向量，得到嵌入层的嵌入表示向量表示为： （9）；式中，表示嵌入层的嵌入表示向量；表示第n个图书书名、图书作者和图书分类映射的字典整数索引经过嵌入层的嵌入表示向量；步骤S43：对嵌入层的嵌入表示向量进行分组拼接，得到第i个借阅行为和候选借阅的嵌入表示向量，表示为： （10）； （11）；式中，表示第i个借阅行为的嵌入表示向量；表示拼接操作；表示第i个借阅行为的图书书名的嵌入表示向量；表示第i个借阅行为的图书作者的嵌入表示向量；表示第i个借阅行为的图书分类的嵌入表示向量；表示第i个候选借阅的嵌入表示向量；表示第i个候选借阅的图书书名的嵌入表示向量；表示第i个候选借阅的图书作者的嵌入表示向量；表示第i个候选借阅的图书分类的嵌入表示向量；步骤S44：将第i个借阅行为的嵌入表示向量作为多值特征输入到门控循环单元层，得到第i个借阅行为的隐藏状态，表示为： （12）；式中，表示第i个借阅行为的隐藏状态；表示门控循环单元层；表示上一个借阅行为的隐藏状态；步骤S45：将第i个借阅行为和候选借阅的嵌入表示向量和第i个借阅行为的隐藏状态输入注意力机制层中进行处理，过程为：在注意力机制层中首先将第i个借阅行为的嵌入表示向量和第i个候选借阅的嵌入表示向量进行外积和差异运算，得到第i个借阅行为的嵌入表示向量和第i个候选借阅的嵌入表示向量的注意力权重；再将第i个借阅行为的嵌入表示向量、第i个借阅行为的隐藏状态和第i个候选借阅的嵌入表示向量的注意力权重进行拼接，将拼接的结果输入到激活函数的多层感知机中，最后经过线性层得到第i个借阅行为对候选物品的权重，表示为： （13）；式中，表示线性层；表示激活函数；将第i个借阅行为对候选物品的权重和第i个借阅行为的嵌入表示向量相乘，得到兴趣提取模块的输出，表示为： （14）；式中，表示第n个借阅行为；步骤S5：通过特征融合模块将步骤S3中得到的整个输入的综合表示向量和步骤S4中得到的兴趣提取模块的输出进行融合，得到读者对候选借阅图书的概率。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。