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！

龙图腾网恭喜中国兵器科学研究院申请的专利一种基于因果推断的多偏差推荐去偏方法及存储介质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：CN119202548B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411716698.7，技术领域涉及：G06F18/10；该发明授权一种基于因果推断的多偏差推荐去偏方法及存储介质是由王迪;孙勇;张少攀;高亮;武昊鹏;郭志明;徐琛;安辰;张梦宇;白子龙设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种基于因果推断的多偏差推荐去偏方法及存储介质在说明书摘要公布了：一种基于因果推断的多偏差推荐去偏方法及存储介质，包括基础数据定义步骤，门控决策网络训练步骤，门控去偏融合网络训练步骤和评分计算以及推荐步骤；本发明通过引入门控决策网络，利用不同类型偏差的权重进行建模，避免了元学习无建模偏差的问题；使用多任务学习的架构进行多种去偏算法的融合，对权重参数组进行学习捕捉到多种去偏任务之间相关性和区别，避免了采用均值方式无重点的问题。

本发明授权一种基于因果推断的多偏差推荐去偏方法及存储介质在权利要求书中公布了：1.一种基于因果推断的多偏差推荐去偏方法，其特征在于，包括如下步骤：基础数据定义步骤S110：根据历史推荐数据收集整理用户针对不同物品的推荐基础数据，其中，定义用户，用户集合，其中，定义物品，物品集合，其中，定义,表示用户前个物品子集构成的历史物品序列，其中表示物品子集，并获得用户对于历史推荐物品的评分，综合上述历史推荐数据建立样本数据集，所述样本数据包括训练数据、验证数据；门控决策网络训练步骤S120：选取k个针对不同偏差数据的独立去偏算法，采用均匀分布Xavier算法对门控决策网络进行初始化，利用选取的去偏算法分别通过门控决策网络计算得到对于物品的无偏输出，并进行融合得到输出结果y，计算y和训练数据中期望值之间的交叉熵值，利用交叉熵值为损失函数进行优化，当函数值不断变小且趋近于稳定时，则训练结束；门控去偏融合网络训练步骤S130：分别选取所述k个去偏算法对训练数据和验证数据进行处理，去除对应偏差，利用训练好门控决策网络再次对多种去偏算法的结果进行融合，每个去偏任务均单独使用训练好的门控决策网络，在融合中具有不同的权重，对融合模型利用平方差作为损失函数进行优化，得到优化后的门控去偏融合网络；评分计算以及推荐步骤S140：利用训练好的门控去偏融合网络对用户下一次需要交互的物品的评分进行预测;在基础数据定义步骤S110中，所述样本数据集用于训练和验证，每个样本数据集包括多份样本，每份样本包括单个用户的交互历史，具体为：该用户的物品访问历史，该用户对序列中出现物品的评分，以及该用户的下一个期望访问物品;所述评分用矩阵的方式保存，定义用户对物品的评分，其中R为评分矩阵，所述评分矩阵用于在后续步骤获得计算推荐积分后对所推荐物品的选择；步骤S120具体为：初始化后的门控决策网络如式（1）表示， （1）其中，为门控单元的模型参数，即是门控网络训练需要学习的参数，将训练集中用户对物品的访问序列和对物品的评分通过Word2Vec转换为词向量并进行拼接，如式（2）， （2）使用所选取的去偏算法对训练集中的数据进行处理得到用户对物品的无偏输出，经过门控网络融合之后得到输出结果y，如式（3）表示， （3）使用交叉熵做为损失函数，如式（4）表示，采用Adam算法优化该损失函数，其中表示训练集中的期望输出，为正则化因子，当函数值不断变小且趋近于稳定时，则训练结束， （4）；步骤S130具体为：分别选取去偏算法对训练集中的用户数据进行处理，得到无偏输出，利用训练好门控决策网络对多种去偏算法的结果进行融合，如式（5）所示， （5）其中，为门控决策网络，表示门控去偏融合网络中的权重参数组，包括（）;并利用平方差损失函数对门控去偏融合网络进行优化，如式（6）： （6）其中，表示训练集中的期望输出，为正则化因子，优化算法为Adam算法，当损失函数收敛后，即式（6）的值不断减少并趋于稳定后，认为收敛，确定所要优化的权重参数组，最终得到门控去偏融合网络。

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中国兵器科学研究院，其通讯地址为：100089 北京市海淀区车道沟10号院；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”。