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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 齐鲁工业大学(山东省科学院);山东省人工智能研究院韩浩然获国家专利权

齐鲁工业大学(山东省科学院);山东省人工智能研究院韩浩然获国家专利权

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!

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省人工智能研究院申请的专利一种曝光公平表征学习的个性化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:CN119128281B

龙图腾网通过国家知识产权局官网在2025-05-30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:202411620596.5,技术领域涉及:G06F16/9535;该发明授权一种曝光公平表征学习的个性化推荐方法是由韩浩然;程志勇;刘帆;卓涛设计研发完成,并于2024-11-14向国家知识产权局提交的专利申请。

一种曝光公平表征学习的个性化推荐方法在说明书摘要公布了:本发明涉及一种曝光公平表征学习的个性化推荐方法,属于推荐系统及深度学习技术领域。其包括以下步骤:获取电子商务数据,构建电子商务数据集,并划分训练集和测试集;构建曝光公平表征学习的个性化推荐模型,所述模型包括初始嵌入模块、编码器学习模块和曝光公平性模块;通过训练集中电子商务数据对曝光公平表征学习的个性化推荐模型进行训练;利用损失函数并通过Adam优化器对训练过程中的模型进行优化,得到训练好的模型;将测试集中电子商务数据输入到训练好的模型中,得到个性化推荐结果。本发明不仅能够提供个性化推荐,还能够显著降低推荐系统中的偏差,提升用户体验和系统的曝光公平性。

本发明授权一种曝光公平表征学习的个性化推荐方法在权利要求书中公布了:1.一种曝光公平表征学习的个性化推荐方法,其特征在于,包括以下步骤:S1.获取电子商务数据,构建电子商务数据集,并划分训练集和测试集;S2.构建曝光公平表征学习的个性化推荐模型,所述模型包括初始嵌入模块、编码器学习模块和曝光公平性模块;通过训练集中电子商务数据对曝光公平表征学习的个性化推荐模型进行训练;初始嵌入模块包括:在训练集中,将用户位于集合U和物品位于集合I的位置标号分别置为用户ID和物品ID,将用户ID和物品ID分别映射成one-hot向量矩阵和,每个用户和物品用d维向量进行表示,得到用户向量和物品向量,将用户向量和物品向量分别按序纵向拼接得到用户嵌入矩阵和物品嵌入矩阵,并采用Xavier方法对用户嵌入矩阵和物品嵌入矩阵进行参数初始化;编码器学习模块中的具体步骤如下:通过图编码器得到用户在每一层的嵌入,公式表示如下: ,其中,表示用户嵌入第层的图卷积结果,,为当前图卷积层数,L为图卷积的总层数,表示物品嵌入第层的图卷积结果,表示与用户交互的物品集合,表示与物品i交互的用户集合,表示集合的大小;对每一层的用户嵌入进行聚合,得到最终的用户嵌入,公式表示如下: ,其中,为图卷积的总层数,表示用户嵌入第层的图卷积结果;通过图编码器得到物品在每一层的嵌入,公式表示如下: ,其中,物品嵌入第层的图卷积结果,为当前图卷积层数,L为图卷积的总层数,表示用户嵌入第层的图卷积结果,表示与用户交互的物品集合,表示与物品i交互的用户集合,表示集合的大小;对每一层的物品嵌入进行聚合,得到最终的物品嵌入,公式表示如下: ,其中,为图卷积的层数,表示用户嵌入第层的图卷积结果;S3.利用损失函数并通过Adam优化器对训练过程中的模型进行优化,得到训练好的模型;S4.将测试集中电子商务数据输入到训练好的模型中,得到个性化推荐结果。

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齐鲁工业大学(山东省科学院);山东省人工智能研究院,其通讯地址为:250353 山东省济南市长清区大学路3501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”。

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。