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！

龙图腾网获悉天津大学申请的专利一种基于因果推断缓解回音室问题的推荐算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：CN119719477B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411488002.X，技术领域涉及：G06F16/9535；该发明授权一种基于因果推断缓解回音室问题的推荐算法是由于瑞国;杨展;赵满坤;徐天一;喻梅设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于因果推断缓解回音室问题的推荐算法在说明书摘要公布了：本发明涉及一种基于因果推断缓解回音室问题的推荐算法，消除用户表征、项目表征与模型预测结果之间的伪相关性，消除偏差带来的错误的因果关系；首先通过因果图进行分析，得出伪相关是由历史不平衡分布导致的项目曝光偏差所引起的，其次，采用反事实推理的后门调整去偏方式，避免曝光偏差带来的影响。本发明从因果关系的角度出发，理清变量之间的相互影响和结果变动的机制，发掘出导致回音室问题出现的真实原因，去除了用户表征、项目表征与预测结果之间的混淆因子，进一步减少了回音室问题对推荐系统的影响。

本发明授权一种基于因果推断缓解回音室问题的推荐算法在权利要求书中公布了：1.一种基于因果推断缓解回音室问题的推荐算法，其特征在于：所述算法消除用户表征、项目表征与模型预测结果之间的伪相关性，消除偏差带来的错误的因果关系；首先通过因果图进行分析，得出伪相关是由历史不平衡分布导致的项目曝光偏差所引起的，其次，采用反事实推理的后门调整去偏方式，避免曝光偏差带来的影响； 对传统的推荐模型下该如何表示给定用户u、项目i、用户选择倾向s和项目曝光度e时的交互概率进行分析，使用形式化语言对该任务进行描述，表示为PY|u,i，对该公式进行变换： ； ； ； ； 对采取干预措施后的去偏模型PY|dou,i进行形式化语言描述，按照因果推断相关理论，直接得出： ； ； 采用反事实推理的后门调整去偏方式，对于模型中的用户嵌入，将用户嵌入中受到选择偏差影响的用户ID表示、用户选择表示进行剔除，保留剩余的用户特征表示，利用用户特征的同时实现去除选择偏差的目的；用户嵌入中，绿色的圆圈代表用户id嵌入，黄色圆圈代表用户选择嵌入的表示，红色圆圈表示用户剩余特征嵌入； 首先，在反事实世界——如果用户不喜欢已表现偏好的物品的世界中，得到不包含选择嵌入的反事实世界用户嵌入，减少选择偏差的影响，由于用户ID嵌入对于推荐结果影响较大，同时也受到选择偏差的影响，因此需要设定去除用户ID嵌入的程度，用虚线的圆圈表示；对于模型中的项目嵌入，采用后门调整的方法，在因果图的辅助下进行因果推理，由于传统推荐模型未量化曝光概率对推荐结果的影响，将每个项目的曝光概率计算出来，然后通过量化后的曝光概率将曝光嵌入从项目表征中去除，白色圆圈代表项目id嵌入，蓝色圆圈代表项目特征嵌入，黑色圆圈表示项目曝光嵌入，代表在t时刻下项目i的曝光度，然后训练神经网络，训练后的结果即为去除用户选择偏差和项目曝光偏差的推荐结果； 然后，采用反事实推理去除用户表征与预测结果之间的伪相关关系，用户往往会交互自己喜欢的内容，因此用户历史交互记录中大部分是用户感兴趣或喜欢的内容，对于自己不喜欢或不感兴趣的内容往往未留下记录，这就导致模型过分学习了用户偏好项目，诱导用户更多的点击与自己偏好相似的内容，这就导致了选择偏差，即用户更倾向交互与已表现偏好同类的项目；采用反事实思想进行思考，“如果用户未表现过对该类物品的喜好，那么推荐系统应该推荐什么项目给用户”，基于此思想，帮助用户跳出其所在的与其兴趣相似用户组的兴趣圈，即回音室，减少用户组感兴趣的内容的推荐，避免用户受到选择诱导，使其出自自身的真实偏好对项目进行交互，也就避免了选择偏差带来的影响； 采用反事实推理来设想“如果用户表示中没有用户ID表示，那么预测结果会是什么样”，采用形式化语言进行描述，现实世界中求得的预测结果表示为，那么反事实世界中求得的预测结果为，其中代表用户表示中不包含用户ID表示，想要得到用户ID表示的影响只需要使用即可，因此使用权衡系数来权衡减去用户ID影响程度的预测结果： ； ； ； 最后，采用后门调整策略消除项目表征与预测结果之间的伪相关关系，根据用户的交互历史以及隐式反馈中使用的BPR损失函数对参数进行学习： ； 想要表示出依靠将用户表征$U$、项目表征$I$以及项目的曝光表征同时输入到新模型中即可获得，但考虑到将用户-项目匹配以及曝光整合在一起一旦更换模型后就需要重新考虑整合方案，不具备可拓展性，因此考虑将用户-项目匹配与项目曝光度解耦： ； 考虑到为正值，因此需要对模型结果保持恒为正，因此采用了激活函数的变体来实现，其具体表述为： ； 对于项目的曝光率，将用户对项目的交互历史按照时间划分，记录为t时刻下记录用户对项目交互，表示在时刻项目被交互的记录，这样记录t时刻项目的曝光度表示为： ； 其中：表示项目在时间被观测到的数量，它是由在时间内所有的用户对项目的交互相加而得到，即表示在时间内，所有项目被交互次数的加和； 由此得到最终的去除了项目曝光偏差的训练损失函数： 将上述公式代入到PY|u,i,e表达式中得到： ； 其中：表示对的期望，是一个定值，当推荐系统对预测结果排序时，不会改变排序结果，而比较的内容主要是部分，因此在排序时将看作是，消除项目表征上的项目曝光偏差。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。