Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)张镇获国家专利权

山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)张镇获国家专利权

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!

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)申请的专利基于分层协同注意力和大语言模型的推荐方法及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:CN120563210B

龙图腾网通过国家知识产权局官网在2025-10-31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:202511052759.9,技术领域涉及:G06Q30/0601;该发明授权基于分层协同注意力和大语言模型的推荐方法及系统是由张镇;方佳琪;卢晓建;张博嵛;朱本行;刘伟设计研发完成,并于2025-07-30向国家知识产权局提交的专利申请。

基于分层协同注意力和大语言模型的推荐方法及系统在说明书摘要公布了:本发明提供了基于分层协同注意力和大语言模型的推荐方法及系统,涉及人工智能推荐系统技术领域,包括:获取目标用户的历史交互日志;将历史交互数据输入到训练后的商品推荐模型中,首先构建多时段的用户商品行为图,然后对每个时段的用户商品行为图进行行为级分层协同注意力,生成每个时段的行为级聚合特征,得到行为级聚合特征序列,其次对行为级聚合特征序列进行时序级分层协同注意力,生成时序级聚合特征,最后通过大语言模型进行候选商品的评分,得到针对目标用户的最终商品推荐列表;本发明旨在解决现有推荐系统中交互行为建模粗糙、时序特征利用不足以及大语言模型适配性差等关键问题,从而实现更精准、可解释的个性化推荐。

本发明授权基于分层协同注意力和大语言模型的推荐方法及系统在权利要求书中公布了:1.基于分层协同注意力和大语言模型的推荐方法,其特征在于,包括: 获取目标用户的历史交互日志,所述历史交互日志是由用户、商品、交互行为类型、交互时间组成的时间序列; 将历史交互数据输入到训练后的商品推荐模型中,得到商品的推荐结果; 其中,所述商品推荐模型,首先,基于历史交互日志构建多时段的用户商品行为图,然后,对每个时段的用户商品行为图进行行为级分层协同注意力,生成每个时段的行为级聚合特征,得到行为级聚合特征序列,其次,对行为级聚合特征序列进行时序级分层协同注意力,生成时序级聚合特征,最后,基于商品的时序级聚合特征构建提示词,通过大语言模型进行候选商品的评分,得到针对目标用户的最终商品推荐列表; 所述对行为级聚合特征序列进行时序级分层协同注意力,生成时序级聚合特征,具体为: 对序列中每个位置计算一个位置编码向量,并将其加到对应的行为级聚合特征上; 采用多头注意力机制建模群体层面的时序依赖关系,得到每个时段的时序编码; 对所有时段的时序编码进行平均池化,得到时序级聚合特征; 所述基于商品的时序级聚合特征构建提示词,通过大语言模型进行候选商品的评分,具体为: 将时序级聚合特征映射到大语言模型语义空间,构建初始提示词; 利用时序级聚合特征从全量商品库中检索出Top-K候选商品,基于初始提示词和候选商品,构建评分的完整提示词,通过大语言模型,计算每个候选商品的偏好得分; 所述评分的完整提示词的模版为: 其中,为完整的评分提示词,、、、为大语言模型的特殊标记,为时序级聚合特征,为目标用户输入的查询文本,为第b个候选商品的描述性文本,为结构化评分指令。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院),其通讯地址为:250000 山东省济南市历下区科院路19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。

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。