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
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 吉林大学徐原博获国家专利权

吉林大学徐原博获国家专利权

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!

龙图腾网获悉吉林大学申请的专利一种基于多模态与时间感知的多任务兴趣点推荐方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:CN121301672B

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:202511881764.0,技术领域涉及:G06F16/9537;该发明授权一种基于多模态与时间感知的多任务兴趣点推荐方法是由徐原博;刘益文;徐萌;张若琳;王恩设计研发完成,并于2025-12-15向国家知识产权局提交的专利申请。

一种基于多模态与时间感知的多任务兴趣点推荐方法在说明书摘要公布了:本发明属于智能推荐系统与位置服务技术领域,尤其为一种基于多模态与时间感知的多任务兴趣点推荐方法。包括以下步骤:包括以下步骤:S1:数据收集;S2:特征提取;S3:构建MAST‑POI模型。本发明引入大语言模型文本编码器,提升语义表达与跨模态交互建模能力;在建模过程中引入相似历史签到轨迹嵌入,有效提升数据稀疏场景下的推荐精度;采用旋转位置编码器处理签到时间差,增强模型捕捉时间上下文的能力;利用门控加权模块与混合专家前馈网络,实现特征权重的动态调节与专家选择,提高模型的个性化适应性与泛化能力;能够提升序列POI推荐系统的准确性、实时性和个性化水平,适用于大规模用户与多任务实时预测场景。

本发明授权一种基于多模态与时间感知的多任务兴趣点推荐方法在权利要求书中公布了:1.一种基于多模态与时间感知的多任务兴趣点推荐方法,其特征在于,包括以下步骤: S1:数据收集:利用移动应用程序和GPS传感器,收集用户的历史签到数据; S2:特征提取:包括数据清洗、特征提取和数据集构建; S3:构建MAST-POI模型:采用多模态-多任务联合建模框架,为POIID、POI所属类别、POI所在区域三种模态分别对应的任务设置相应的预测任务头,三者作为不同模态输入在模型中分别进行嵌入编码,并参与后续跨模态交互建模与预测任务,所述框架在模型内部实现以下机制: 共享表示+模态专用任务头:多头混合注意力模块生成跨模态交互特征,每个模态在Query位置取出与自身相关的特征张量,作为该任务的输入; 门控加权与专家路由:门控加权模块与混合专家前馈网络模块根据任务对应的用户请求所属的时间片嵌入动态调节特征权重; 多任务联合训练:各模态任务在训练阶段分别计算损失函数,通过加权求和形成整体损失,其中用于加权求和的损失权重系数为可调超参数,所述可调超参数用于调节不同任务损失权重,推理阶段则分别输出各模态的预测结果; 所述模型包括编码器模块和POI推荐模块;所述编码器模块用于将输入数据转换为适合模型处理的格式,由签到编码器和旋转位置编码器构成;所述POI推荐模块通过分析用户的历史行为数据,为用户推荐感兴趣的地点,在获得联合嵌入后,将其输入到基本POI推荐模型的主干结构中,实现学习用户对POI的偏好,并捕捉初步的用户行为时间戳特征; 所述签到编码器包含POI编码器、类别编码器、区域编码器和时间片编码器;所述签到编码器首先将用户历史签到轨迹集和相似历史签到轨迹集中所有的签到记录组合成用户历史签到轨迹和相似历史签到轨迹,并形成用户当前签到轨迹嵌入、用户历史签到轨迹嵌入和相似历史签到轨迹嵌入; 所述旋转位置编码器作用于注意力机制的和,对于历史签到数据和,其与初始时刻的时间差分别为和,对应的向量为,对应的向量为,则其对和的旋转编码操作分别为: ; ; 旋转位置编码将原本注意力机制中的替换为,即; 所述POI推荐模块由多头混合注意力模块、门控加权模块、混合专家前馈网络模块和相似度排序模块组成;所述多头混合注意力模块通过并行的多组注意力头,对用户当前轨迹、历史轨迹及相似轨迹的特征进行多视角建模;所述门控加权模块利用用户当前请求的目标时间片嵌入作为门控信号,对跨模态特征进行加权融合,使时间场景直接影响特征贡献;所述混合专家前馈网络模块接收所述门控加权模块的输出,由多个并行的前馈专家网络和一个门控网络组成,门控网络根据输入特征动态分配各专家的权重,使得不同专家能够专注于处理不同模式或场景下的特征,相似度排序模块将混合专家前馈网络模块输出的特征表示与候选POI的初始嵌入计算相似度,并根据相似度得分进行排序,选取Top-K个结果作为最终推荐列表; 所述门控加权模块用于在多模态-多任务框架下,对各个模态任务头的特征进行时间上下文感知的加权融合,该门控加权模块的输入来自多头混合注意力模块针对模态生成的跨模态特征向量组,其目标是结合用户当前请求的目标时间片,动态调整不同跨模态特征在对应模态任务中的贡献度。

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吉林大学,其通讯地址为:130012 吉林省长春市前进大街2699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。