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！

龙图腾网获悉中国科学技术大学申请的专利基于序列感知物品特征对齐的跨域序列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：CN118132846B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202410325418.3，技术领域涉及：G06F16/9535；该发明授权基于序列感知物品特征对齐的跨域序列推荐方法及系统是由陈恩红;王皓;连德富;尹铭佳设计研发完成，并于2024-03-21向国家知识产权局提交的专利申请。

本基于序列感知物品特征对齐的跨域序列推荐方法及系统在说明书摘要公布了：本发明提供基于序列感知物品特征对齐的跨域序列推荐方法及系统，涉及跨域序列推荐技术领域。本发明基于不同域的用户历史行为序列构建有向物品关联图，然后基于有向物品关联图，利用图神经网络和对比学习的方法对物品特征进行优化，获取每个域优化后的局部物品特征和全局物品表征，再通过谱的自适应信息过滤算法对优化后的全局物品表征的谱进行过滤，并利用过滤后的全局物品特征进行物品的部分特征对齐，最后对对齐后的物品特征进行建模，得到用户的序列偏好。本发明基于物品之间的协同关联以及时序关联实现了物品特征的对齐，可极大地促进后续序列偏好建模过程，从而得到更好的用户序列偏好表征，实现更好的跨域序列推荐效果。

本发明授权基于序列感知物品特征对齐的跨域序列推荐方法及系统在权利要求书中公布了：1.一种基于序列感知物品特征对齐的跨域序列推荐方法，其特征在于，所述方法包括： 分别获取不同域的用户历史行为序列，并基于时间戳信息将不同域内的用户历史行为序列进行整合，得到全局用户交互序列； 基于不同域的所述用户历史行为序列对应获取每个域的有向物品关联图，以及基于所述全局用户交互序列获取全局有向物品关联图； 基于每个域的所述有向物品关联图，先后利用图神经网络和基于特征增强的对比学习对物品特征进行优化，对应获取每个域优化后的局部物品特征，同时基于不同域优化后的局部物品特征获取优化后的全局物品表征； 基于谱的自适应信息过滤算法对优化后的全局物品表征的谱进行过滤，获取过滤后的全局物品特征，并利用过滤后的全局物品特征进行物品的部分特征对齐； 基于自注意力网络对对齐后的物品特征进行建模，获取跨域序列推荐模型； 基于优化后的所述跨域序列推荐模型获取用户的序列偏好； 所述基于每个域的所述有向物品关联图，先后利用图神经网络和基于特征增强的对比学习对物品特征进行优化，对应获取每个域优化后的局部物品特征，同时基于不同域优化后的局部物品特征获取优化后的全局物品表征，包括： S31、分别基于每个域的所述有向物品关联图和物品特征嵌入向量，利用图神经网络为每个域的局部物品特征融入协同关联信息； S32、基于特征增强的对比学习进一步为每个域的局部物品特征融入时序关联信息； S33、将不同域优化后的局部物品特征进行拼接得到全局物品表征，并利用图神经网络和基于特征增强的对比学习对所述全局物品表征进行优化，得到优化后的全局物品表征； 所述基于谱的自适应信息过滤算法对优化后的全局物品表征的谱进行过滤，获取过滤后的全局物品特征，并利用过滤后的全局物品特征进行物品的部分特征对齐，包括： 为推荐域X设立一个可学的过滤器分布从中采样得到过滤器v，随后过滤操作按照如下过程进行： 其中，μX表示一个可学的向量，用作过滤器分布的均值；I表示单位矩阵，用作过滤器分布的协方差；T表示矩阵的转置；表示对过滤器v进行变换时的中间量；表示优化后的全局物品表征；表示针对于X域过滤后的全局物品特征； 通过针对推荐域X、Y过滤后的全局物品特征来进行物品的部分特征对齐，具体过程如下公式： 其中，表示跨域物品特征对齐损失函数；|B|代表模型训练的数据量大小；以及分别是过滤后的全局物品特征和中根据索引i取得的向量；和分别是优化后的局部物品特征及中根据索引i取得的向量；τ表示对比学习的温度系数。

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中国科学技术大学，其通讯地址为：230022 安徽省合肥市金寨路96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。