浙大城市学院石龙翔获国家专利权
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！
龙图腾网获悉浙大城市学院申请的专利基于构建高计算效率的深度强化学习推荐系统的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：CN115455279B 。
龙图腾网通过国家知识产权局官网在2025-08-08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：202210950905.X，技术领域涉及：G06F16/9535；该发明授权基于构建高计算效率的深度强化学习推荐系统的推荐方法是由石龙翔;林承毅;张犁;李石坚;吴明晖设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。
本基于构建高计算效率的深度强化学习推荐系统的推荐方法在说明书摘要公布了：本发明提供了一种基于构建高计算效率的深度强化学习推荐系统的推荐方法，包括以下步骤：步骤S1，采用马尔可夫决策过程对推荐系统建模；步骤S2，根据所有用户的历史记录，建立U行M列的用户评分矩阵，并通过矩阵分解获得用户与推荐系统交互的状态表征用户特征矩阵X和项目特征矩阵Y；步骤S3，对推荐系统的推荐策略进行建模与学习训练，其中所述推荐策略采用神经网络进行表征，且神经网络输出层采用稀疏矩阵进行参数建模；步骤S4，推荐系统部署，利用训练好的推荐策略，根据用户的历史数据进行项目推荐。本发明通过改善深度强化学习中神经网络的输出层，减小计算复杂度，提升了学习的效率，帮助解决了在巨大的离散动作空间中的学习。
本发明授权基于构建高计算效率的深度强化学习推荐系统的推荐方法在权利要求书中公布了：1.基于构建高计算效率的深度强化学习推荐系统的推荐方法，其特征在于包括以下步骤： 步骤S1，采用马尔可夫决策过程对推荐系统建模； 步骤S2，根据所有用户的历史记录的时序数据，建立U行M列的用户评分矩阵，并通过矩阵分解获得用户与推荐系统交互的状态表征用户特征矩阵X和项目特征矩阵Y； 步骤S3，对推荐系统的推荐策略进行建模与学习训练，其中所述推荐策略采用神经网络进行表征，且神经网络输出层采用稀疏矩阵进行参数建模； 步骤S4，推荐系统部署，利用训练好的推荐策略，根据用户的当前浏览的时序数据进行项目推荐； 步骤S3中，所述稀疏矩阵通过根据推荐系统中所有项目的用户选择频次对每个项目进行排序并分类，并对低频次的项目分配较多的训练参数，对高频次的项目分配较少的训练参数构建。
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浙大城市学院，其通讯地址为：310000 浙江省杭州市拱墅区湖州街51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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号