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 > 中国人民解放军军事科学院战争研究院方旭东获国家专利权

中国人民解放军军事科学院战争研究院方旭东获国家专利权

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!

龙图腾网获悉中国人民解放军军事科学院战争研究院申请的专利一种基于混合神经网络的信息优选模型及装置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:CN116911352B

龙图腾网通过国家知识产权局官网在2025-12-02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:202310521100.8,技术领域涉及:G06N3/045;该发明授权一种基于混合神经网络的信息优选模型及装置是由方旭东;李红梅;肖文华设计研发完成,并于2023-05-10向国家知识产权局提交的专利申请。

一种基于混合神经网络的信息优选模型及装置在说明书摘要公布了:本发明涉及一种基于混合神经网络的信息优选模型及装置。本发明通过构建用户互行为图,利用图神经网络模型对用户历史行为进行建模,在提高用户表征能力的同时缓解交互数据稀疏问题;构建信息优选策略初始化模块,基于用户‑信息交互图,从用户历史行为中学习初始化价值,缓解零学习降低用户体验问题;针对使用过程中用户与推送信息的交互行为,采用循环神经网络对交互行为进行描述,基于信息传播算法更新信息节点,来动态获取用户兴趣爱好变化趋势;构建信息优选的候选集模块,设计信息优选排序模块,解决信息选择空间大的问题,进一步提升信息查询与优选性能。

本发明授权一种基于混合神经网络的信息优选模型及装置在权利要求书中公布了:1.一种基于混合神经网络的信息优选模型,其特征在于,所述模型包含如下模块: 用户行为特征表达模块:基于图卷积神经网络对用户与信息交互的大规模历史行为进行特征学习与建模,构建用户初始的兴趣信息表征; 信息优选策略初始化模块:根据用户行为特征表达模块的学习结果,利用全连接网络得到信息的节点表示以及信息的初始价值,根据信息的初始价值指导信息优选初始化策略; 动态更新模块:基于循环神经网络对用户与推送信息之间的交互行为进行建模; 优选候选集筛选模块:基于用户行为特征表达模块或和动态更新模块得到的信息的节点表示进行动态聚类,生成候选集; 信息优选排序模块:对候选集筛选模块的输出结果进行排序,生成信息优选结果; 所述用户行为特征表达模块基于图G=E,R,对用户与信息交互的历史行为以及信息的属性进行建模,通过将用户交互历史中的信息节点与用户节点相连、将信息的属性节点与信息相连,得到包含用户行为信息的行为图G'=E',R'; 对于每一个候选信息初始化其向量表示it∈Rd,其中d表示向量表示的维度,然后,利用图卷积神经网络对图G'中的节点信息进行传播,获得信息特征表示; 所述优选候选集筛选模块基于用户行为特征表达模块或和动态更新模块得到的信息的节点表示进行动态聚类包括:在整个信息优选流程中每排序优选τ次,对整个信息空间进行重新聚类,本次聚类的初始化类中心为τ-1次聚类的聚类中心; 完成聚类后,将类中心的表示以及用户的节点表示输入到策略初始化模块中得到用户对于每一个簇的兴趣价值,选择兴趣价值最高的簇作为用户的基本候选集; 选择兴趣价值最高的簇作为用户的基本候选集,同时,还从该簇之外的其它簇中随机进行采样一定数量的信息加入基本候选集中得到最终候选集; 所述信息优选排序模块,使用全连接网络对候选集中的信息节点向量进行卷积计算,计算信息之间的关联度和信息与用户兴趣之间的关联度,对两种关联度求和后得到信息的推送分数,按推送分数从大到小进行排序,输出前K个信息。

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人民解放军军事科学院战争研究院,其通讯地址为:100091 北京市海淀区厢红旗东门外1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。