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！

龙图腾网获悉北京大学(天津滨海)新一代信息技术研究院;北京大学申请的专利基于时空特征与内容偏好的信息级联预测方法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：CN119622114B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411510981.4，技术领域涉及：G06F16/9536；该发明授权基于时空特征与内容偏好的信息级联预测方法及装置是由刘学洋;胡文蕙;蔡莹莹设计研发完成，并于2024-10-28向国家知识产权局提交的专利申请。

本基于时空特征与内容偏好的信息级联预测方法及装置在说明书摘要公布了：本发明提供一种基于时空特征与内容偏好的信息级联预测方法及装置，方法包括：获取用户的社交关系数据，并调用GCN模型对社交关系数据进行生成，得到用户的社交关系嵌入特征；再调用GRU模型构建得到用户时空特征，并对用户时空特征进行基于信息级联的特征构建，得到用户时空级联特征；获取用户将参与的信息传播内容，基于信息传播内容构建多模态联合特征，并确定兴趣影响因子。最后确定用户时空级联特征与兴趣影响因子的点积相似度，并根据点积相似度预测得到用户针对信息传播内容的参与概率。通过本申请，解决了现有技术中信息级联预测任务的预测效果不佳的技术问题。

本发明授权基于时空特征与内容偏好的信息级联预测方法及装置在权利要求书中公布了：1.一种基于时空特征与内容偏好的信息级联预测方法，其特征在于，所述方法包括： 获取用户的社交关系数据，并调用GCN模型对所述社交关系数据进行生成，得到用户的社交关系嵌入特征； 基于所述社交关系嵌入特征，调用GRU模型构建得到用户时空特征，并对所述用户时空特征进行基于信息级联的特征构建，得到用户时空级联特征； 获取用户将参与的信息传播内容，基于所述信息传播内容构建多模态联合特征，并根据所述多模态联合特征确定兴趣影响因子，其中，所述兴趣影响因子用于表征用户针对所述信息传播内容的内容偏好程度； 确定所述用户时空级联特征与所述兴趣影响因子的点积相似度，并根据所述点积相似度预测得到用户针对所述信息传播内容的参与概率； 所述基于所述社交关系嵌入特征，调用GRU模型构建得到用户时空特征，包括：获取用户历史级联数据，并按照时间戳将所述用户历史级联数据分割为多个级联子图；将所述社交关系嵌入特征与所述级联子图进行聚合处理，得到每个时间戳对应的级联子图嵌入特征；确定每个时间戳对应的时间嵌入特征；将所述级联子图嵌入特征以及所述时间嵌入特征输入到GCN模型进行空间特征提取，得到空间特征序列；调用GRU模型对所述空间特征序列进行特征提取，得到用户时空特征； 所述对所述用户时空特征进行基于信息级联的特征构建，得到用户时空级联特征，包括：将所述社交关系嵌入特征与所述用户时空特征进行门控融合，得到融合时空特征序列；确定所述融合时空特征序列中每个序列元素对应的位置嵌入编码，并将所述位置嵌入编码与所述序列元素进行拼接，得到时空级联特征序列；将所述时空级联特征序列输入到Transformer模型中进行掩码注意力机制处理，得到用户时空级联特征； 所述信息传播内容包括视觉图片以及所述视觉图片对应的文本片段，所述基于所述信息传播内容构建多模态联合特征，包括：调用CLIP模型的图像编码器对每一个所述视觉图片进行图像编码，得到初始图像特征；将所述初始图像特征输入到Transformer模型中进行嵌入编码，得到所述视觉图片的图像编码特征；调用CLIP模型的文本编码器对每个所述视觉图片对应的文本片段进行编码处理，得到文本编码器特征，并将所述文本编码特征进行合并得到文本整体编码特征；将所述图像编码特征与所述文本整体编码特征进行门控融合，得到多模态联合特征； 所述将所述初始图像特征输入到Transformer模型中进行嵌入编码，得到所述视觉图片的嵌入编码特征，包括：将每个所述初始图像特征作为序列元素拼接得到嵌入序列，并将CLS标签作为首位序列元素插入到所述嵌入序列的头部，得到图像嵌入序列；确定所述图像嵌入序列中每个序列元素的位置编码，并将所述位置编码与所述序列元素进行拼接，得到拼接特征；将所述图像嵌入序列中的每个拼接特征输入到Transformer模型中进行编码处理，得到所述视觉图片的嵌入编码特征； 所述根据所述多模态联合特征确定兴趣影响因子，包括：根据用户历史交互数据，提取得到用户的参与信息嵌入特征，并调用Transformer模型对所述参与信息嵌入特征进行编码处理，得到用户兴趣嵌入特征；对所述用户兴趣嵌入特征进行平均池化处理，得到平均池化特征；确定所述平均池化特征与所述多模态联合特征的特征相似度，并将所述特征相似度作为兴趣影响因子； 所述参与概率是调用信息级联预测模型预测得到的，所述信息级联预测模型的训练方法包括：将用户的社交关系数据样本、信息传播内容样本、用户历史级联数据样本以及用户历史交互数据样本，作为模型训练样本；将所述模型训练样本输入到所述信息级联预测模型进行正向传播，得到用户针对所述信息传播内容样本的预测参与概率；确定用户针对所述信息传播内容样本的真实参与概率；根据所述预测参与概率以及所述真实参与概率，构建交叉熵损失函数，并通过所述交叉熵损失函数在所述信息级联预测模型进行反向传播，以更新所述信息级联预测模型的参数。

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北京大学(天津滨海)新一代信息技术研究院;北京大学，其通讯地址为：300392 天津市滨海新区华苑产业区开华道22号5号楼东塔22层；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。