浙江科技大学;杭州电子科技大学徐文建获国家专利权
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！
龙图腾网获悉浙江科技大学;杭州电子科技大学申请的专利一种面向推荐系统的时空数据增强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：CN120179926B 。
龙图腾网通过国家知识产权局官网在2025-07-22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：202510641967.6，技术领域涉及：G06F16/9537；该发明授权一种面向推荐系统的时空数据增强方法是由徐文建;李玉;陈征宇设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。
本一种面向推荐系统的时空数据增强方法在说明书摘要公布了：本发明公开了一种面向推荐系统的时空数据增强方法。本发明显式地总结了用户和物品的时空特征，并使用大模型作为编码器，将嵌入统一在单个向量空间中；然后使用线性层对齐特征维度，以融合到推荐模型中，解决了特征融合不充分的问题。本发明利用大模型理解用户的交互历史和候选集，推理用户的偏好并生成正负样本对，把生成的样本集和原始样本集合并作为最终的训练集。得益于大模型出色的推理能力和自然语言理解能力，这既扩充了训练样本集，也缓解了噪声问题。
本发明授权一种面向推荐系统的时空数据增强方法在权利要求书中公布了：1.一种面向推荐系统的时空数据增强方法，其特征在于，包括以下步骤： 步骤1、利用大模型对物品的时间特征进行增强处理，得到增强的物品时间特征； 步骤2、利用大模型的推理能力，根据用户的交互历史总结用户的普通特征、时间特征和空间特征，得到增强的用户特征； 步骤3、利用大模型理解用户的交互历史和候选集，推理出用户感兴趣和不感兴趣的物品作为正负样本对，扩充训练样本集； 步骤4、将增强的物品时间特征、数据集中原有的物品普通特征和空间特征、增强的用户特征输入到编码层，生成高维向量，然后使用线性层进行降维； 步骤5、将降维后的特征向量和基础推荐模型生成的id嵌入向量输入到特征融合层，经过加权融合得到综合表征； 步骤6、使用BPR损失函数训练推荐模型，将综合表征输入到不带样本剪枝的BPR损失函数，并把增强样本和原始训练集合并作为最终的训练集，得到第一损失函数； 步骤7、对于降维后的物品和用户特征中的时间特征和空间特征，输入到带剪枝的BPR层，采用样本剪枝策略，得到第二损失函数； 步骤8、将第一损失函数和第二损失函数按照一定权重融合，得到总损失函数，使用该总损失函数优化模型训练。
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浙江科技大学;杭州电子科技大学，其通讯地址为：310023 浙江省杭州市西湖区留和路318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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号