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！

龙图腾网获悉东北大学申请的专利基于长序列线性压缩的多兴趣逻辑推理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：CN120354005B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510821238.9，技术领域涉及：G06F16/9535；该发明授权基于长序列线性压缩的多兴趣逻辑推理推荐方法是由李飞;郭贵冰设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本基于长序列线性压缩的多兴趣逻辑推理推荐方法在说明书摘要公布了：本发明提供一种基于长序列线性压缩的多兴趣逻辑推理推荐方法，涉及兴趣推荐技术领域。首先对用户的历史交互序列进行压缩，然后设计双重兴趣提取器，捕捉用户的短期即时兴趣和长期稳定兴趣，进行基于兴趣的逻辑推理，构建基于多兴趣逻辑推理的物品推荐模型，设计对比损失函数对物品推荐模型进行训练；利用多兴趣学习策略对双重兴趣提取器和基于多兴趣逻辑推理的物品推荐模型进行训练，得到训练完成的双重兴趣提取器和基于多兴趣逻辑推理的物品推荐模型；获取用户的长期兴趣嵌入和短期兴趣嵌入后，对两种兴趣嵌入进行逻辑推理，并通过兴趣逻辑推理ILR对比损失在推理过程中同时考虑用户的多方面兴趣，生成用户兴趣逻辑表达式的嵌入表示。

本发明授权基于长序列线性压缩的多兴趣逻辑推理推荐方法在权利要求书中公布了：1.一种基于长序列线性压缩的多兴趣逻辑推理推荐方法，其特征在于，包括以下步骤： 步骤1：对用户的历史交互序列进行压缩，减少交互序列长度； 所述步骤1具体包括两个部分：交互序列划分和历史交互子序列压缩； 所述交互序列划分具体为：给定用户u和及其交互序列Iu＝{in1,…,inL}，将历史交互序列定义为即从Iu中去除最近k个交互项后剩余的历史交互物品集合，随后，将HS划分为J个等长的子序列，称为历史交互子序列最近k个交互项构成最近交互序列其中为第nL个交互物品，nL为交互物品的个数； 所述历史交互子序列压缩具体为：使用具有线性复杂度的经典Transformer方法Linformer对历史交互子序列HSj进行压缩，获得其压缩表示；将nL-k个交互物品压缩为J个子序列表示； 对历史交互子序列HSj的嵌入表示使用多层感知机来获得查询矩阵 键矩阵和值矩阵其中为第j个子序列HSj的长度，WQ、WK和WV表示权重矩阵，d和为矩阵的嵌入维度，L为注意力层的数量；对键矩阵K和和值矩阵V进行线性映射，分别获得表示为ElK＝KWE和FlV＝VWF，其中WE和WF表示线性映射权重矩阵；利用缩放点积注意力机制计算上下文映射矩阵C＝基于矩阵C，将物品与HSj中相似的交互物品进行融合，更新其表示，整子序列压缩表示的学习过程表示为： 其中，注意力头矩阵headl＝AttentionQ,ElK,FlV＝CFlV，[·||·]表示特征拼接，WO为输出权重矩阵；对进行均值操作来获得历史交互子序列HSj的压缩表示其中，Mean·表示均值操作符；整个历史交互序列HS的压缩表示定义为具体如下： 步骤2：设计双重兴趣提取器包括短期兴趣提取器以及长期兴趣提取器，捕捉用户的短期即时兴趣和长期稳定兴趣，进行基于兴趣的逻辑推理，构建基于多兴趣逻辑推理的物品推荐模型，设计对比损失函数对物品推荐模型进行训练； 步骤3：利用多兴趣学习策略对双重兴趣提取器和基于多兴趣逻辑推理的物品推荐模型进行训练，得到训练完成的双重兴趣提取器和基于多兴趣逻辑推理的物品推荐模型； 步骤4：获取用户的长期兴趣嵌入和短期兴趣嵌入后，对两种兴趣嵌入进行逻辑推理，并通过兴趣逻辑推理ILR对比损失在推理过程中同时考虑用户的多方面兴趣，生成用户兴趣逻辑表达式的嵌入表示。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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”。