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！

龙图腾网获悉深圳大学申请的专利冷启动推荐方法、装置及存储介质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：CN119991256B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510099143.0，技术领域涉及：G06Q30/0601；该发明授权冷启动推荐方法、装置及存储介质是由张勇;莫隽珺;赵东宁;谢维信设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本冷启动推荐方法、装置及存储介质在说明书摘要公布了：本发明公开了一种冷启动推荐方法、装置及存储介质，其中，该方法包括：获取用户在使用应用中产生的总数据集，将该总数据集划分为训练集和测试集；将该训练集送入元学习框架进行训练，得到训练好的元学习框架；将该测试集送入该训练好的元学习框架中进行评分预测，得到评分结果，并根据该评分结果生成推荐列表。本发明的元学习框架能解决冷启动推荐中缺少样本数据的问题，从而实现能进行冷启动推荐。本发明可广泛应用于冷启动推荐技术领域。

本发明授权冷启动推荐方法、装置及存储介质在权利要求书中公布了：1.一种冷启动推荐方法，其特征在于，包括： 获取用户在使用应用中产生的总数据集，将所述总数据集划分为训练集和测试集，所述训练集的数据包括旧用户和旧物品，所述测试集的数据包括三种情况：冷启动用户和旧物品、冷启动物品和旧用户、冷启动用户和冷启动物品； 将所述训练集送入元学习框架进行训练，得到训练好的元学习框架； 将所述测试集送入所述训练好的元学习框架中进行评分预测，得到评分结果，并根据所述评分结果生成推荐列表，其中，所述评分结果包括三种情况：所述冷启动用户评价所述旧物品的分数、或者所述旧用户评价所述冷启动物品的分数、或者所述冷启动用户评价所述冷启动物品的分数； 其中，所述将所述训练集送入元学习框架进行训练，得到训练好的元学习框架具体包括： S121、获取所述训练集中的用户和用户属性特征、物品和物品属性特征、以及用户对物品的评分数据，并将所述训练集划分支持集和查询集； S122、根据用户的属性特征获取所述用户的初始向量表示，采用vanillaattention注意力机制为物品的属性特征分配不同的权重，并加权求和得到所述物品的初始向量表示； S123、根据用户属性特征、用户对不同交互项物品的评分、以及用户的初始向量表示，通过相似度计算公式，找出跟目标用户高度相似的多个相似用户； S124、获取所述目标用户所有评分的当前评分等级的交互项物品，采用自注意力机制获取所述交互项物品的交互项物品特征表示，然后将所述目标用户初始向量表示和所述交互项物品特征表示拼接起来得到所述当前评分等级的目标用户偏好特征嵌入，再通过注意力机制对每个评分等级的目标用户偏好特征嵌入进行聚合，得到所述目标用户的深层次偏好特征嵌入； S125、采用如步骤S124相同的方法，得到每个相似用户用户的深层次偏好特征嵌入，并通过注意力机制聚合所述每个相似用户的深层次偏好特征嵌入，得到多个相似用户的聚合深层次偏好特征嵌入； S126、将所述目标用户深层次偏好特征嵌入和所述多个相似用户的聚合深层次偏好特征嵌入合并，得到所述目标用户的综合偏好向量表示； S127、在所述支持集上，采用所述步骤S121~所述步骤S126的方法得到第一目标用户的综合偏好向量表示，将所述第一目标用户的综合偏好表征和第一待预测物品属性特征采用多层感知机进行预测，得到用户个性化参数；在所述查询集上，采用所述步骤S121~所述步骤S126的方法得到第二目标用户的综合偏好表征，基于所述用户个性化参数，将所述第二目标用户的综合偏好向量表示和第二待预测物品属性特征采用所述多层感知机进行预测，得到全局参数； 其中，所述步骤S124包括： 按照所述目标用户对物品的评分划分所述目标用户的历史交互物品，将评分为r的物品通过嵌入层获得的物品属性特征向量划分为一个集合； 采用自注意网络从输入中更好地获得所述目标用户的全局偏好表征： ； 由于不同的层可以捕获不同空间的特征，采用多层自注意模块来获取第层复杂的特征交互关系，具体如下所示： ； 上式中，，是多层自注意网络最后一层的输出，从交互项中获取的评分为r的物品特征表征如下式所示： ； 然后将该目标用户初始向量表示和该交互项物品特征表示拼接起来得到该当前评分等级的目标用户偏好特征嵌入，再通过注意力机制对每个评分等级的目标用户偏好特征嵌入进行聚合，得到该目标用户的深层次偏好特征嵌入；可由如下公式得到目标用户的深层次偏好特征嵌入表示： ； 其中，表示评分为下的权重矩阵，是激活函数ReLU，表示拼接操作，是用户初始向量表示，为评分等级为r的物品特征表征，是评分为r时的权重，其中， 。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区粤海街道南海大道3688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”。