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！

龙图腾网获悉郑州轻工业大学申请的专利基于对比学习与变分自编码器的序列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：CN119939036B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510118935.8，技术领域涉及：G06F16/9535；该发明授权基于对比学习与变分自编码器的序列推荐方法是由陈锐;王宗林;黄敏;李璞;黄万伟;朱亮;王晨羽;代卓;董景阳设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本基于对比学习与变分自编码器的序列推荐方法在说明书摘要公布了：本发明公开一种基于对比学习与变分自编码器的序列推荐方法，其包括以下步骤：根据用户的历史交互序列生成序列嵌入；对原始数据分支进行时频域转换；对数据增强分支进行数据滑动增强；根据随机深度增强策略对数据进行模型层面增强处理；根据Transformer编码器，分别对原始数据分支与增强数据分支的数据进行编码处理，获取各自数据流分支数据的均值与方差；根据对比学习策略，最大化正、负样本损失；根据共享的Transformer解码器生成新的项目序列；构建基于对比学习和变分自编码器序列化推荐模型。本发明以用户的历史交互序列作为输入，经过融合对比学习范式与变分自编码器的模型处理，生成用户感兴趣的项目，具有更好的推荐质量，提升推荐准确性。

本发明授权基于对比学习与变分自编码器的序列推荐方法在权利要求书中公布了：1.一种基于对比学习与变分自编码器的序列推荐方法，其特征是：其包括以下步骤： 步骤1、根据用户的历史交互序列生成序列嵌入； 步骤2、根据FFT算法通过原始数据分支对所述序列嵌入进行时频域转换；对于一个来自转换到时域El的项目的第t个维度特征表示时域上的卷积被定义为： 其中，T表示序列长度；经傅里叶变换为用频域表示 其中，表示过滤算法的权重矩阵在t维度特征上第m个权重数；表示来自时域El在频域中第t维度特征上的第m个数字映射表示； 根据上述公式4，证明有其中，*表示时域的圆卷积；⊙表示频域的逐元素乘操作； 得到在频域上的U与相乘等于时域El使用卷积核的圆卷积； 步骤3、根据EMA算法通过数据增强分支对所述序列嵌入进行数据滑动增强； 步骤4、根据随机深度增强策略对步骤3处理后的数据进行模型层面增强处理；包括： 使用二项分布表示每个深度向量θ＝{θ1,θ2,…,θL}的概率，其中，θi表示第i层是否被保留，即使用二项分布表示深度向量的概率： 其中，θ表示深度向量；pb表示第b层被保留的概率；1-pb表示被丢弃概率；整个过程遵循参数为pb的二项分布；通过上述公式8，输入一个经步骤3中的EMA算法增强处理后的序列，得到随机深度增强策略编码处理后的数据分布 步骤5、根据Transformer编码器，分别对步骤2处理后的原始数据分支与步骤4处理后的增强数据分支的数据进行编码处理，获取各自数据流分支数据的均值与方差； 步骤6、根据对比学习策略，最大化正、负样本损失； 步骤7、根据共享的Transformer解码器生成新的项目序列；包括： 从变分分布qz|x中采样编码器中重参数化后的隐变量z并重构原始数据x，重构项为： 其中，z＝μ+σ⊙ρ，通过解码的重构过程，预测用户下一步可能的交互项目； 得到目标损失函数为： 其中，为重构损失，表示潜在变量z在变分分布qz|x下生成数据x的负对数似然；为散度损失； 能够直接计算出解析解： 通过最小化损失函数公式16优化模型参数，并给用户预测生成下一时刻的交互项目； 步骤8、将双管道对比变分推理自然地应用在双管道对比变分自编码器中，得到双管道对比变分自编码器完整的损失函数。

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市高新技术产业开发区科学大道136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”。

以上内容由龙图腾AI智能生成。