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！

龙图腾网恭喜鱼快创领智能科技(南京)有限公司申请的专利一种基于大模型与对比学习的文章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：CN119226497B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202411730611.1，技术领域涉及：G06F16/335；该发明授权一种基于大模型与对比学习的文章推荐方法是由金志宇;孟健;杨诺设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于大模型与对比学习的文章推荐方法在说明书摘要公布了：本发明提供一种基于大模型与对比学习的文章推荐方法，包括以下步骤：S1：统计用户的点击文章列表；S2：生成文章摘要列表；S3：构建模型输入数据对；S4：划分批次，进行预处理和输入准备；S5：生成最优模型；S6：通过最优模型进行文章推荐；本发明使用了现今最智能化的大模型系统，由于大模型的涌现效应，使大模型的意图理解和智能化比传统方法有了巨大的提升；使用对比学习算法，结合大模型对用户进行推荐，结果更符合用户想法，增加用户粘性，提高用户满意度。

本发明授权一种基于大模型与对比学习的文章推荐方法在权利要求书中公布了：1.一种基于大模型与对比学习的文章推荐方法，其特征在于：包括以下步骤：S1：统计用户的点击文章列表；统计当前阅读应用系统中包含的全部用户的点击文章列表，记全部用户的数量为n，则n个用户的点击文章列表记为M＝{M1，M2，M3，...Mn}；具体地，第i个用户的点击文章列表Mi＝{A1，A2，A3，...Aj}，其中，共j篇文章，Aj表示第j篇文章，点击文章列表Mi中的文章顺序为用户点击文章的时间顺序；S2：生成文章摘要列表；获取点击文章列表中的所有文章，通过大模型将每篇文章对应生成文章摘要，并存入列表中；具体地，获取点击文章列表中的所有文章，在大模型中设置文章摘要的字数区间U，大模型遍历每篇文章，将每篇文章对应生成字数在U内的文章摘要，并存入列表中，记为文章摘要列表N＝{a1，a2，a3，...aj}，其中，共j篇文章摘要，aj表示第j篇文章摘要，文章摘要列表N中的文章摘要顺序对应点击文章列表中的顺序；S3：构建模型输入数据对；根据每个用户对应的文章摘要列表生成模型输入数据对；每个用户共点击j篇文章，对应j篇文章摘要，根据用户的点击历史构建相应的模型输入数据对；生成的模型输入数据对为：[{a1，a2}，{a3}]、[{a1，a2，a3}，{a4}]、[{a1，a2，a3，a4}，{a5}]...[{a1，a2，a3，...aj-1}，{aj}]，一个用户对应构建j-2个模型输入数据对，则n个用户生成n*j-2个模型输入数据对；进一步地，模型输入数据对的前一部分即用户历史点击文章摘要，为用户塔的输入，具体为[{a1，a2}，{a1，a2，a3}，{a1，a2，a3，a4}，...，{a1，a2，a3，...aj-1}]；模型输入数据对的后一部分即用户下篇点击文章摘要，为文章塔的输入，具体为[{a3}，{a4}，{a5}，...，{aj}]；其中，文章摘要为一个文本序列，由词和子词组成；S4：划分批次，进行预处理和输入准备；将模型输入数据对根据实际需求划分批次，按批次对模型输入数据对进行预处理，生成embedding序列和token序列；S5：生成最优模型；包括如下子步骤：S51：对用户和文章进行对比学习；将步骤S4中的embedding序列作为用户Transformer模型的输入，输出为用户embedding；将步骤S4中的token序列作为文章Transformer模型的输入，输出为文章embedding；所述用户Transformer模型、文章Transformer模型为两种独立的Transformer架构模型；计算对比损失；S52：不断更新模型中参数，生成最优模型；重复步骤S4-S51，进行迭代，不断更新用户Transformer模型和文章Transformer模型中神经网络的参数，生成最优模型；S6：通过最优模型进行文章推荐。

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鱼快创领智能科技(南京)有限公司，其通讯地址为：211102 江苏省南京市江宁区苏源大道19号九龙湖国际企业总部园A1座17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”。