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！

龙图腾网获悉中国科学技术大学;聚好看科技股份有限公司申请的专利基于森林的端到端的隐式反馈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：CN114971765B 。

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：202210391776.5，技术领域涉及：G06Q30/0601；该发明授权基于森林的端到端的隐式反馈推荐方法是由连德富;冯超;陈恩红;黄山山;刘楚杰设计研发完成，并于2022-04-14向国家知识产权局提交的专利申请。

本基于森林的端到端的隐式反馈推荐方法在说明书摘要公布了：本发明公开了一种基于森林的端到端的隐式反馈推荐方法，所述方法包括：步骤1、假定π固定，学习打分模型和树的表征用到的参数θ；步骤2、固定打分模型s·,·和树的表征的参数，学习商品和叶子节点的映射π；步骤3、交替运行步骤1和步骤2，生成多棵树以及对应的打分模型，并且生成的树组成一个森林；在推荐时，用每棵树对应的打分模型在树上做beamsearch产生候选集，每个树上产生的候选集组成一个更大的候选集；用一个预先训练好的判别器来排序该候选集，选择靠前的top‑k个商品为针对用户的推荐商品。该方法提供的系统借助树和森林的索引结构，能够适用于任何先进的用户对商品的打分模型，能根据隐式反馈的数据为用户高效地给出推荐结果。

本发明授权基于森林的端到端的隐式反馈推荐方法在权利要求书中公布了：1.一种基于森林的端到端的隐式反馈推荐方法，其特征在于，所述方法包括： 用表示用户集合，表示商品集合，表示打分模型给出的用户对商品的打分；其中，为任意复杂的打分模型；用表示一棵树，商品与树的叶子节点一一对应，即表示商品与叶子节点对应；用表示叶子节点在第层的祖先节点，并且，叶子节点在最底层的祖先节点记为该叶子节点本身，打分模型进一步地表示用户对树上的节点的打分； 步骤1、假定固定，学习打分模型和树的表征用到的参数； 步骤2、固定打分模型和树的表征的参数，学习商品和叶子节点的映射； 步骤3、交替运行步骤1和步骤2，生成多棵树以及对应的打分模型，并且生成的树组成一个森林；在推荐时，用每棵树对应的打分模型在树上做beamsearch产生候选集，每个树上产生的候选集组成一个更大的候选集；用一个预先训练好的判别器来排序该候选集，选择靠前的top-k个商品为针对用户的推荐商品； 步骤1包括： 给定一个用户和商品的交互对作为一个训练样本，此样本用于在树的每一层做一个多分类任务；在树的第层，为该层的正样本，其对应的标签为1，该层的其余节点为负样本，对应的标签为0，那么训练该层节点和打分模型的损失函数为多分类的交叉熵，即 其中，表示第层节点的数目,表示第层的第个节点，表示树的第层第个节点的标签，且有 计算损失函数时根据一个给定的分布可重复采样个负样本，即在计算时用到共个样本，包括一个正样本和个负样本，其中是一个可调的超参数；此时，将这个样本记作，即第层用到的训练节点；针对用户对这些训练节点的打分做出如下调整： 此时损失函数变为： 其中，，这样在每层就只需要计算用户对个节点的打分； 如果每个负样本节点被采样到的概率，则有；其中，是打分模型和树的表征所需要的参数，即此时变化后的损失函数的期望梯度等价于原始的损失函数的梯度；然而，要使得的计算量与原始损失函数的计算量相同，则需要计算用户对每层的所有节点的打分；按照如此的训练方法，可以学习好打分模型以及树的表征需要用到的参数。

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中国科学技术大学;聚好看科技股份有限公司，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。