買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國科學(xué)技術(shù)大學(xué);聚好看科技股份有限公司申請的專利基于森林的端到端的隱式反饋推薦方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114971765B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210391776.5，技術(shù)領(lǐng)域涉及：G06Q30/0601；該發(fā)明授權(quán)基于森林的端到端的隱式反饋推薦方法是由連德富;馮超;陳恩紅;黃山山;劉楚杰設(shè)計研發(fā)完成，并于2022-04-14向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于森林的端到端的隱式反饋推薦方法在說明書摘要公布了：本發(fā)明公開了一種基于森林的端到端的隱式反饋推薦方法，所述方法包括：步驟1、假定π固定，學(xué)習(xí)打分模型和樹的表征用到的參數(shù)θ；步驟2、固定打分模型s·,·和樹的表征的參數(shù)，學(xué)習(xí)商品和葉子節(jié)點的映射π；步驟3、交替運行步驟1和步驟2，生成多棵樹以及對應(yīng)的打分模型，并且生成的樹組成一個森林；在推薦時，用每棵樹對應(yīng)的打分模型在樹上做beamsearch產(chǎn)生候選集，每個樹上產(chǎn)生的候選集組成一個更大的候選集；用一個預(yù)先訓(xùn)練好的判別器來排序該候選集，選擇靠前的top?k個商品為針對用戶的推薦商品。該方法提供的系統(tǒng)借助樹和森林的索引結(jié)構(gòu)，能夠適用于任何先進(jìn)的用戶對商品的打分模型，能根據(jù)隱式反饋的數(shù)據(jù)為用戶高效地給出推薦結(jié)果。

本發(fā)明授權(quán)基于森林的端到端的隱式反饋推薦方法在權(quán)利要求書中公布了：1.一種基于森林的端到端的隱式反饋推薦方法，其特征在于，所述方法包括： 用表示用戶集合，表示商品集合，表示打分模型給出的用戶對商品的打分；其中，為任意復(fù)雜的打分模型；用表示一棵樹，商品與樹的葉子節(jié)點一一對應(yīng)，即表示商品與葉子節(jié)點對應(yīng)；用表示葉子節(jié)點在第層的祖先節(jié)點，并且，葉子節(jié)點在最底層的祖先節(jié)點記為該葉子節(jié)點本身，打分模型進(jìn)一步地表示用戶對樹上的節(jié)點的打分； 步驟1、假定固定，學(xué)習(xí)打分模型和樹的表征用到的參數(shù)； 步驟2、固定打分模型和樹的表征的參數(shù)，學(xué)習(xí)商品和葉子節(jié)點的映射； 步驟3、交替運行步驟1和步驟2，生成多棵樹以及對應(yīng)的打分模型，并且生成的樹組成一個森林；在推薦時，用每棵樹對應(yīng)的打分模型在樹上做beamsearch產(chǎn)生候選集，每個樹上產(chǎn)生的候選集組成一個更大的候選集；用一個預(yù)先訓(xùn)練好的判別器來排序該候選集，選擇靠前的top-k個商品為針對用戶的推薦商品； 步驟1包括： 給定一個用戶和商品的交互對作為一個訓(xùn)練樣本，此樣本用于在樹的每一層做一個多分類任務(wù)；在樹的第層，為該層的正樣本，其對應(yīng)的標(biāo)簽為1，該層的其余節(jié)點為負(fù)樣本，對應(yīng)的標(biāo)簽為0，那么訓(xùn)練該層節(jié)點和打分模型的損失函數(shù)為多分類的交叉熵，即 其中，表示第層節(jié)點的數(shù)目,表示第層的第個節(jié)點，表示樹的第層第個節(jié)點的標(biāo)簽，且有 計算損失函數(shù)時根據(jù)一個給定的分布可重復(fù)采樣個負(fù)樣本，即在計算時用到共個樣本，包括一個正樣本和個負(fù)樣本，其中是一個可調(diào)的超參數(shù)；此時，將這個樣本記作，即第層用到的訓(xùn)練節(jié)點；針對用戶對這些訓(xùn)練節(jié)點的打分做出如下調(diào)整： 此時損失函數(shù)變?yōu)椋? 其中，，這樣在每層就只需要計算用戶對個節(jié)點的打分； 如果每個負(fù)樣本節(jié)點被采樣到的概率，則有；其中，是打分模型和樹的表征所需要的參數(shù)，即此時變化后的損失函數(shù)的期望梯度等價于原始的損失函數(shù)的梯度；然而，要使得的計算量與原始損失函數(shù)的計算量相同，則需要計算用戶對每層的所有節(jié)點的打分；按照如此的訓(xùn)練方法，可以學(xué)習(xí)好打分模型以及樹的表征需要用到的參數(shù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中國科學(xué)技術(shù)大學(xué);聚好看科技股份有限公司，其通訊地址為：230026 安徽省合肥市包河區(qū)金寨路96號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。