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！

龙图腾网恭喜福州大学申请的专利基于知识增强与对比学习的点击率预测方法及系统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：CN116776001B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310794755.2，技术领域涉及：G06F16/9535；该发明授权基于知识增强与对比学习的点击率预测方法及系统是由陈羽中;陈仕杰;陈子阳设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于知识增强与对比学习的点击率预测方法及系统在说明书摘要公布了：本发明涉及一种基于知识增强与对比学习的点击率预测方法及系统，该方法包括以下步骤：步骤A：采集用户的行为数据，包含用户ID、商品ID、商品类型和交互时间，构建点击率预测训练集；步骤B：使用训练集训练基于知识增强与对比学习的深度学习网络模型；步骤C：将用户、商品数据输入训练好的深度学习网络模型中，输出当前用户对候选商品的点击概率。该方法及系统有利于提高点击率预测的准确性。

本发明授权基于知识增强与对比学习的点击率预测方法及系统在权利要求书中公布了：1.一种基于知识增强与对比学习的点击率预测方法，其特征在于，包括以下步骤：步骤A：采集用户的行为数据，包含用户ID、商品ID、商品类型和交互时间，构建点击率预测训练集；步骤B：使用训练集训练基于知识增强与对比学习的深度学习网络模型G；步骤C：将用户、商品数据输入训练好的深度学习网络模型G中，输出当前用户对候选商品的点击概率；所述步骤B具体包括以下步骤：步骤B1：构造知识图谱Gkg和商品共现图Gcf；训练集中的每一个样本包含用户ID、候选商品ID以及用户的行为序列；将训练集中的一个样本依据知识图谱Gkg进行分段，得到N个候选段pcandi＝{p1,p2,...,pN}，然后经过嵌入层，得到候选段的向量表示ecandi＝{e1,e2,...,ei}；步骤B2：对步骤B1得到的候选段的向量表示ecandi执行双层注意力机制，得到知识增强的用户兴趣向量表示fu；步骤B3：将步骤B1得到的候选段pcandi分为强兴趣段pstrong和弱兴趣段pweak，然后经过嵌入层，得到强兴趣段的向量表示estrong＝{e1,strong,e2,strong,...,ei,strong}和弱兴趣段的向量表示eweak＝{e1,weak,e2,weak,...,ei,weak}；将目标商品向量表示et作为查询，对强兴趣段的向量表示estrong执行双层注意力机制，得到强兴趣向量表示fstrong；步骤B4：在知识图谱Gkg和商品共现图Gcf中，依据样本中的每一个商品id和候选商品id，构造知识图谱潜在兴趣段和商品共现潜在兴趣段然后经过嵌入层，得到知识图谱潜在兴趣段的向量表示和商品共现潜在兴趣段的向量表示步骤B5：将步骤B3得到的强兴趣向量表示fstrong和目标商品向量表示et进行拼接，作为查询，对弱兴趣段的向量表示eweak执行双层注意力机制，得到弱兴趣向量表示fweak；步骤B6：将目标商品向量表示et作为查询，对潜在兴趣段的向量表示和执行双层注意力机制，得到潜在兴趣向量的向量表示和对和执行对比机制来捕获两个潜在兴趣分段之间的互补信息和区别信息；将来自两个分段的同一用户的兴趣作为一对正样本，将不同用户的兴趣视为成对的负样本，得到对比损失Lcl；步骤B7：将步骤B2、B3、B6得到的知识增强的用户兴趣向量表示fu、强兴趣向量表示fstrong、弱兴趣向量表示fweak、潜在兴趣向量表示和拼接在一起，输入到多层感知机进行点击率预测，得到预测出的点击率，使用交叉熵函数计算预测损失；然后根据目标损失函数loss，通过反向传播方法计算深度学习网络模型中各参数的梯度，并利用随机梯度下降方法更新各参数；步骤B8：当深度学习网络模型产生的损失值小于设定的阈值或达到最大的迭代次数时，终止深度学习网络模型G的训练。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。