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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于混合量子经典极深因子分解机的点击率预测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：CN119849651B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510318639.2，技术领域涉及：G06N10/60；该发明授权一种基于混合量子经典极深因子分解机的点击率预测方法是由魏宏宇;余文斌;陈美旺;陈亚当;张成军设计研发完成，并于2025-03-18向国家知识产权局提交的专利申请。

本一种基于混合量子经典极深因子分解机的点击率预测方法在说明书摘要公布了：本发明公开了一种基于混合量子经典极深因子分解机的点击率预测方法，包括以下步骤：（1）获取开源数据集并进行预处理，划分训练集、测试集；（2）构建新型混合量子经典极深因子分解机HQCxDeepFM模型，并利用预处理后的数据集进行训练；（3）利用sigmoid激活函数得到最终的预估结果；本发明提升CTR模型的计算能力并降低模型复杂度，同时提高CTR预测性能。

本发明授权一种基于混合量子经典极深因子分解机的点击率预测方法在权利要求书中公布了：1.一种基于混合量子经典极深因子分解机的点击率预测方法，其特征在于，包括以下步骤：（1）获取开源数据集并进行预处理，划分训练集、测试集；具体如下：使用两个开放的基准数据集Criteo和Avazu进行实验，是两个常用的广告点击率预测的数据集；（2）构建新型混合量子经典极深因子分解机HQCxDeepFM模型，并利用预处理后的数据集进行训练；其中，HQCxDeepFM模型包括：量子压缩交叉网络QCIN、量子深度神经网络QDNN和量子线性模型Qlinear；量子压缩交叉网络用于处理稠密特征向量来学习显式高阶特征交叉关系，采用混合角度编码方案将高维数据映射到较低维的量子态上实现数据降维，同时设计变分量子电路构建量子一维卷积，对三维特征矩阵进行特征压缩；量子深度神经网络由多个隐藏层组成，用于处理稠密特征向量学习隐式高阶特征交叉关系，采用混合角度编码方案使用多层变分层的变分量子电路将传统深度神经网络量子化；量子线性模型采用混合角度编码方案，使用单层变分量子电路重新构建线性模型；用于利用原始特征进行线性组合，处理稀疏特征，学习低阶特征线性交叉关系；（3）利用sigmoid激活函数得到最终的预估结果。

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信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。