買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉深圳大學申請的專利冷啟動推薦方法、裝置及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119991256B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510099143.0，技術領域涉及：G06Q30/0601；該發明授權冷啟動推薦方法、裝置及存儲介質是由張勇;莫雋珺;趙東寧;謝維信設計研發完成，并于2025-01-22向國家知識產權局提交的專利申請。

本冷啟動推薦方法、裝置及存儲介質在說明書摘要公布了：本發明公開了一種冷啟動推薦方法、裝置及存儲介質，其中，該方法包括：獲取用戶在使用應用中產生的總數據集，將該總數據集劃分為訓練集和測試集；將該訓練集送入元學習框架進行訓練，得到訓練好的元學習框架；將該測試集送入該訓練好的元學習框架中進行評分預測，得到評分結果，并根據該評分結果生成推薦列表。本發明的元學習框架能解決冷啟動推薦中缺少樣本數據的問題，從而實現能進行冷啟動推薦。本發明可廣泛應用于冷啟動推薦技術領域。

本發明授權冷啟動推薦方法、裝置及存儲介質在權利要求書中公布了：1.一種冷啟動推薦方法，其特征在于，包括： 獲取用戶在使用應用中產生的總數據集，將所述總數據集劃分為訓練集和測試集，所述訓練集的數據包括舊用戶和舊物品，所述測試集的數據包括三種情況：冷啟動用戶和舊物品、冷啟動物品和舊用戶、冷啟動用戶和冷啟動物品； 將所述訓練集送入元學習框架進行訓練，得到訓練好的元學習框架； 將所述測試集送入所述訓練好的元學習框架中進行評分預測，得到評分結果，并根據所述評分結果生成推薦列表，其中，所述評分結果包括三種情況：所述冷啟動用戶評價所述舊物品的分數、或者所述舊用戶評價所述冷啟動物品的分數、或者所述冷啟動用戶評價所述冷啟動物品的分數； 其中，所述將所述訓練集送入元學習框架進行訓練，得到訓練好的元學習框架具體包括： S121、獲取所述訓練集中的用戶和用戶屬性特征、物品和物品屬性特征、以及用戶對物品的評分數據，并將所述訓練集劃分支持集和查詢集； S122、根據用戶的屬性特征獲取所述用戶的初始向量表示，采用vanillaattention注意力機制為物品的屬性特征分配不同的權重，并加權求和得到所述物品的初始向量表示； S123、根據用戶屬性特征、用戶對不同交互項物品的評分、以及用戶的初始向量表示，通過相似度計算公式，找出跟目標用戶高度相似的多個相似用戶； S124、獲取所述目標用戶所有評分的當前評分等級的交互項物品，采用自注意力機制獲取所述交互項物品的交互項物品特征表示，然后將所述目標用戶初始向量表示和所述交互項物品特征表示拼接起來得到所述當前評分等級的目標用戶偏好特征嵌入，再通過注意力機制對每個評分等級的目標用戶偏好特征嵌入進行聚合，得到所述目標用戶的深層次偏好特征嵌入； S125、采用如步驟S124相同的方法，得到每個相似用戶用戶的深層次偏好特征嵌入，并通過注意力機制聚合所述每個相似用戶的深層次偏好特征嵌入，得到多個相似用戶的聚合深層次偏好特征嵌入； S126、將所述目標用戶深層次偏好特征嵌入和所述多個相似用戶的聚合深層次偏好特征嵌入合并，得到所述目標用戶的綜合偏好向量表示； S127、在所述支持集上，采用所述步驟S121~所述步驟S126的方法得到第一目標用戶的綜合偏好向量表示，將所述第一目標用戶的綜合偏好表征和第一待預測物品屬性特征采用多層感知機進行預測，得到用戶個性化參數；在所述查詢集上，采用所述步驟S121~所述步驟S126的方法得到第二目標用戶的綜合偏好表征，基于所述用戶個性化參數，將所述第二目標用戶的綜合偏好向量表示和第二待預測物品屬性特征采用所述多層感知機進行預測，得到全局參數； 其中，所述步驟S124包括： 按照所述目標用戶對物品的評分劃分所述目標用戶的歷史交互物品，將評分為r的物品通過嵌入層獲得的物品屬性特征向量劃分為一個集合； 采用自注意網絡從輸入中更好地獲得所述目標用戶的全局偏好表征： ； 由于不同的層可以捕獲不同空間的特征，采用多層自注意模塊來獲取第層復雜的特征交互關系，具體如下所示： ； 上式中，，是多層自注意網絡最后一層的輸出，從交互項中獲取的評分為r的物品特征表征如下式所示： ； 然后將該目標用戶初始向量表示和該交互項物品特征表示拼接起來得到該當前評分等級的目標用戶偏好特征嵌入，再通過注意力機制對每個評分等級的目標用戶偏好特征嵌入進行聚合，得到該目標用戶的深層次偏好特征嵌入；可由如下公式得到目標用戶的深層次偏好特征嵌入表示： ； 其中，表示評分為下的權重矩陣，是激活函數ReLU，表示拼接操作，是用戶初始向量表示，為評分等級為r的物品特征表征，是評分為r時的權重，其中， 。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人深圳大學，其通訊地址為：518000 廣東省深圳市南山區粵海街道南海大道3688號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。