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！

龙图腾网获悉泛速科技(上海)有限公司申请的专利基于深度学习的短视频实时动态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：CN120744175B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511247978.2，技术领域涉及：G06F16/735；该发明授权基于深度学习的短视频实时动态推荐方法及系统是由王斌设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于深度学习的短视频实时动态推荐方法及系统在说明书摘要公布了：本发明公开了基于深度学习的短视频实时动态推荐方法及系统，涉及互联网技术领域，通过上述步骤的整体执行，能够在不同时间段集合Tsg下，将用户行为集合Beh进行划分与建模，生成时段特征集合Tfe和训练集合Trn，并最终得到兴趣模型集合Mod以及时间段权重集Twg。在用户请求到达时，能够即时依据时间段集合Tsg调用对应的兴趣模型集合Mod，并结合时间段权重集Twg动态生成推荐结果Rlt，推荐过程不仅避免了传统方法中对单一时间维度建模导致的兴趣刻画模糊和推荐结果静态僵化的问题，还能够使推荐结果Rlt随时间段集合Tsg的切换而自适应更新，从而显著提升了短视频实时推荐的时效性、匹配度与用户体验。

本发明授权基于深度学习的短视频实时动态推荐方法及系统在权利要求书中公布了：1.基于深度学习的短视频实时动态推荐方法，其特征在于：包括以下步骤： S1、采集用户的基本行为数据，形成用户行为集合Beh，包括点击次数Clk、停留时长Dwt和完播比例Fin；根据时间戳划分为时间段集合Tsg； S2、将所述用户行为集合Beh按照时间段集合Tsg划分，得到时段特征集合Tfe；并形成用于建模的训练集合Trn； 所述S2包括S21和S22； S21、基于获取的用户行为集合Beh、时间段集合Tsg和时段标注结果Tlb，根据所述时间段集合Tsg对所述用户行为集合Beh进行分组处理，生成结构化的时段特征集合Tfe； 所述时段特征集合Tfe通过步骤S211、S212和S213分组处理获取； S211、生成分组键Key={用户标识Uid，视频标识Vid，时段标注结果Tlb}；在用户行为集合Beh中定位同一用户、同一视频和同一时间段下的所有原子行为记录； S212、对每个分组键Key，从被定位到的原子行为记录中直接引用在步骤S1中已获取的三项基础指标，包括点击次数Clk、停留时长Dwt和完播比例Fin，并写入时段特征集合Tfe；当存在多条原子记录时，按照择准规则只选取一条进行引用： 择准规则一：选择时间戳最近的一条记录； 择准规则二：若时间戳一致，则依据日志写入顺序选择先写入的一条； S213、以分组键Key={用户标识Uid，视频标识Vid，时段标注结果Tlb}为唯一索引，且字段点击次数Clk、停留时长Dwt和完播比例Fin均为从用户行为集合Beh的被选原子记录直接引用，组成一条特征记录，整合所有特征记录后，获取结构化的时段特征集合Tfe； S3、基于所述训练集合Trn，在不同时间段集合Tsg下分别建立兴趣模型集合Mod，并计算对应的时间段权重集Twg，形成权重切换策略Wps； 所述S3包括S31、S32和S33； S31、基于获取的训练集合Trn，对所述训练集合Trn进行特征子集划分与指标提取，具体包括步骤S311和S312； S311、根据分组键Key，将训练集合Trn按照时段标注结果Tlb进行划分，形成多个训练子集，每个训练子集与时间段集合Tsg一一对应； S312、在每个训练子集中，提取以下三个核心指标： 核心指标一：行为数据量Dct，通过统计训练子集中包含的用户行为记录数获得，所述用户行为记录数对应不同分组键Key的数量，反映训练子集在对应时间段的用户行为活跃程度； 核心指标二：用户数量Uct，通过统计训练子集中不重复的用户标识Uid数量获得，反映训练子集在对应时间段的用户覆盖范围； 核心指标三：时间段分布广度Tgd，通过计算训练子集中行为数据对应的时间段标注结果Tlb的范围跨度获得； S32、在完成训练子集划分后，针对每一个训练子集分别建立兴趣模型，并整合所有训练子集形成兴趣模型集合Mod； 在建立兴趣模型的过程中，用户行为集合Beh中包含的点击次数Clk、停留时长Dwt和完播比例Fin作为输入特征，以训练子集中提取出的行为数据量Dct、用户数量Uct和时间段分布广度Tgd作为约束条件； S33、完成兴趣模型集合Mod的建立后，基于长短期记忆网络LSTM对输入特征与约束条件，进行联合学习，输出各时间段的表现状态，所述表现状态包括模型预测精度Acc、覆盖用户比例Cov以及与目标优化指标的拟合度Fit； 在获取时间段的表现状态后，比较不同兴趣模型在各自时间段下模型预测精度Acc、覆盖用户比例Cov以及目标优化指标的拟合度Fit的结果，并进行归一化处理，限定范围至[0,1]范围内，获取归一化模型预测精度NorAcc、归一化覆盖用户比例NorCov以及归一化目标优化指标的拟合度NorFit，再几何平均进行计算，生成综合表现Per； 各时间段的综合表现Per映射为时间段权重集Twg中的权重，得到每个时间段的时间段权重Twg； 再将时间段权重集Twg与兴趣模型集合Mod对应，形成权重切换策略Wps，用于在用户行为预测与推荐过程中根据所属时间段动态切换不同的兴趣模型； S4、当用户请求到达时，根据时间段集合Tsg调用兴趣模型集合Mod，并结合时间段权重集Twg生成推荐结果Rlt。

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泛速科技(上海)有限公司，其通讯地址为：201508 上海市金山区金山卫镇秋实路688号2幢1单元112室W座；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。