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！

龙图腾网获悉中国科学技术大学申请的专利缓解不可测混淆因子导致的模型偏差的训练方法与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：CN115293363B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202210943800.1，技术领域涉及：G06N20/00；该发明授权缓解不可测混淆因子导致的模型偏差的训练方法与系统是由冯福利;丁斯昊;吴鹏;何向南;王奕曈;廖勇;张勇东设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本缓解不可测混淆因子导致的模型偏差的训练方法与系统在说明书摘要公布了：本发明公开了一种缓解不可测混淆因子导致的模型偏差的训练方法及系统，相关方法包括：结合用户物品对数据，通过敏感性分析，估计存在不可测混淆因子时的敏感性系数的不确定集，结合敏感性系数的不确定集建立第一损失函数，将多个用户物品对数据构成的数据集输入至待训练的机器学习模型，使用对抗训练的方式优化所述第一损失函数；或者结合敏感性系数的不确定集与预先训练好的机器学习模型建立第二损失函数，将多个用户物品对数据构成的数据集输入至待训练的机器学习模型，使用对抗训练的方式优化所述第二损失函数。本发明提供的方案，不需要人为干预及特定的专家领域知识，可以有效缓解不可测混淆因子导致的模型偏差。

本发明授权缓解不可测混淆因子导致的模型偏差的训练方法与系统在权利要求书中公布了：1.一种缓解不可测混淆因子导致的模型偏差的训练方法，其特征在于，包括： 结合用户物品对数据，通过敏感性分析，估计存在不可测混淆因子时的敏感性系数的不确定集，所述敏感性系数为倾向性系数的倒数； 对于当前选择的基于倾向性系数的偏差纠正方法的损失函数，结合敏感性系数的不确定集建立第一损失函数，将多个用户物品对数据构成的数据集输入至待训练的机器学习模型，使用对抗训练的方式优化所述第一损失函数；或者在所述第一损失函数的基础上结合预先训练好的机器学习模型建立第二损失函数，将多个用户物品对数据构成的数据集输入至待训练的机器学习模型，使用对抗训练的方式优化所述第二损失函数； 其中，所述结合用户物品对数据，通过敏感性分析，估计存在不可测混淆因子时的敏感性系数的不确定集包括：结合用户物品对数据，计算不存在不可测混淆因子时的倾向性系数；通过敏感性分析，构建存在不可测混淆因子时的倾向性系数结构方程，结合不可测混淆因子对倾向性系数的影响，确定存在不可测混淆因子时的倾向性系数与不存在不可测混淆因子时的倾向性系数之间的关系，并估计存在不可测混淆因子时的敏感性系数的不确定集； 所述通过敏感性分析，构建存在不可测混淆因子时的倾向性系数结构方程，结合不可测混淆因子对倾向性系数的影响，确定存在不可测混淆因子时的倾向性系数与不存在不可测混淆因子时的倾向性系数之间的关系，并估计存在不可测混淆因子时的敏感性系数的不确定集包括： 通过敏感性分析，构建存在不可测混淆因子时的倾向性系数结构方程，表示为： 其中，表示存在不可测混淆因子时的倾向性系数，m·表示任意类型的函数，表示任意类型的函数，u,i表示用于一个用户物品对数据，u表示用户索引，i表示物品索引；xu,i表示一个用户物品对数据的特征，hu,i表示不可测混淆因子的特征，表示不可测混淆因子对倾向性系数的影响； 给定不可测混淆因子对倾向性系数的影响的范围约束确定存在不可测混淆因子时的倾向性系数与不存在不可测混淆因子时的倾向性系数pu,i之间的关系，表示为： 经过简化得到： 其中，Γ为设定值， 估计存在不可测混淆因子时的敏感性系数的不确定集W： 其中，表示单个敏感性系数，au,i与bu,i表示敏感性系数的不确定集的下边界与上边界。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。