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！

龙图腾网获悉烟台大学申请的专利基于无偏数据和元学习的推荐系统转化率预测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：CN118521380B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202410700152.6，技术领域涉及：G06Q30/0601；该发明授权基于无偏数据和元学习的推荐系统转化率预测方法及系统是由童向荣;李鹏琨;王莹洁;张兴林;王良;童兰昕;张强设计研发完成，并于2024-05-31向国家知识产权局提交的专利申请。

本基于无偏数据和元学习的推荐系统转化率预测方法及系统在说明书摘要公布了：本发明提出了基于无偏数据和元学习的推荐系统转化率预测方法及系统，涉及推荐系统转化率预测技术领域。包括获取有偏数据集和无偏数据集；对UMEDR模型进行训练：使用无偏数据集对填充预测模型、倾向预测模型进行训练，并分别得到无偏的填充误差和用户倾向；基于有偏数据集、无偏的填充误差和用户倾向，使用元学习方法，对转化率预测模型进行训练；基于训练好的转化率预测模型，实现推荐系统中用户点击物品后进行消费的转化率预测。本发明通过无偏数据集辅助倾向预测模型和填充预测模型去偏参数的训练，提高倾向预测模型和填充预测模型的预测精度，使用元学习方法对模型进行训练，缓解了由于数据稀疏而导致的模型预测精度差的问题。

本发明授权基于无偏数据和元学习的推荐系统转化率预测方法及系统在权利要求书中公布了：1.基于无偏数据和元学习的推荐系统转化率预测方法，其特征在于，包括以下步骤：获取推荐系统中多个用户对多种物品互动历史数据中的有偏数据集，同时获取多个用户对多种物品的无偏数据集；搭建包含填充预测模型、倾向预测模型以及转化率预测模型的UMEDR模型，对UMEDR模型进行训练：使用无偏数据集对填充预测模型、以及倾向预测模型进行训练，得到训练好的填充预测模型和倾向预测模型，并基于训练好的填充预测模型和倾向预测模型分别得到无偏的填充误差和用户倾向；基于有偏数据集、无偏的填充误差和用户倾向，使用元学习方法，对转化率预测模型进行训练，得到训练好的转化率预测模型；使用无偏数据集对填充预测模型进行训练，损失函数为： 其中是预测误差，通过衡量预测转化率标签和真实转化率标签ru,i之间的二元交叉熵来计算；为填充误差，通过衡量填充预测模型生成的伪标签和预测转化率标签之间的二元交叉熵来计算；λ为正则化项；为预测的用户倾向；使用无偏数据集对倾向预测模型进行训练，损失函数为： 其中ou,i表示点击样本中真实的点击率，表示DU指导之下预测的用户倾向；转化率预测模型更新过程所使用的损失函数定义如下： 基于训练好的转化率预测模型，实现推荐系统中用户点击物品后进行消费的转化率预测；对填充预测模型和倾向预测模型进行训练，具体为：定义一个公共的预测模型作为填充预测模型、倾向预测模型和转化率预测模型的副本模型，将有偏数据集划分为一个小样本任务集，其中每个小样本任务所包含的数据不完全相同；通过填充预测模型和倾向预测模型在有偏数据集划分的小样本任务上得到初始填充误差和初始用户倾向；基于初始填充误差和初始用户倾向，对副本模型进行更新，得到副本模型的最优去偏参数，完成对副本模型的训练；基于训练好的副本模型，利用无偏数据集对填充预测模型、倾向预测模型分别进行训练，得到填充预测模型和倾向预测模型的最优去偏参数，完成对填充预测模型和倾向预测模型的训练；所述有偏数据集的获取过程为：在推荐系统中，确定M个用户的集合U＝{u1,u2,...,uM}，N个物品的集合I＝{i1,i2,...,iN}；获取用户对感兴趣物品的点击情况，得到点击样本的集合O＝{u,i|ou,i＝1,u,i∈DT}，其中的每个项目ou,i∈{0,1}表示用户u是否点击了物品i，若点击了，则ou,i＝1，否则ou,i＝0；u,i为用户物品对；获取用户在点击样本集合中的样本后真实消费的数据，并生成真实的转化率标签矩阵R∈{0,1}M×N，其中的每个项目ru,i∈{0,1}反映了用户u对推荐物品i的真实评分情况，将上述用户对感兴趣物品互动历史数据作为有偏数据集DT；所述无偏数据集的获取过程为：获取部分用户对部分物品的点击情况以及真实评分情况，得到部分用户对部分物品的无偏差数据集DU。

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烟台大学，其通讯地址为：264005 山东省烟台市莱山区清泉路30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”。