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！

龙图腾网获悉中南大学申请的专利一种基于对比学习的序列推荐方法及系统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：CN117216602B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202311366797.2，技术领域涉及：G06F18/23；该发明授权一种基于对比学习的序列推荐方法及系统是由盛津芳;张旭豪;王斌;刘青青设计研发完成，并于2023-10-20向国家知识产权局提交的专利申请。

本一种基于对比学习的序列推荐方法及系统在说明书摘要公布了：本发明公开了一种基于对比学习的序列推荐方法，包括以下步骤：S1、收集用户与项目的历史交互行为序列数据，根据嵌入层进行编码，得到用户和与用户有交互记录的项目的初始嵌入表示；S2、将初始嵌入表示输入滤波器组进行滤波，得到去噪嵌入表示；根据行为序列数据通过聚类算法得到用户意图信息；S3、使用以前馈神经网络为主体的序列编码器结合去噪嵌入表示，作为第一训练输入；通过对比自监督算法将用户意图信息与序列编码器的输出序列表征相结合，作为第二训练输入；将第一训练输入和第二训练输入同时用于序列推荐模型的训练；得到预测评分，最终进行序列预测。

本发明授权一种基于对比学习的序列推荐方法及系统在权利要求书中公布了：1.一种基于对比学习的序列推荐方法，其特征在于，包括以下步骤： S1、收集用户与项目的历史交互行为序列数据，根据嵌入层进行编码，得到用户和与用户有交互记录的项目的初始嵌入表示； S2、将所述初始嵌入表示输入滤波器组进行滤波，得到去噪嵌入表示；根据所述行为序列数据通过聚类算法得到用户意图信息； S3、使用以前馈神经网络为主体的序列编码器结合所述去噪嵌入表示作为第一训练输入；通过对比自监督算法将所述用户意图信息与所述序列编码器的输出序列表征相结合作为第二训练输入；将第一训练输入和第二训练输入同时用于序列推荐模型的训练；得到预测评分，最终进行序列预测； 所述滤波器组由多个可自动学习的滤波器叠加组成,对于给定的第l层的输入项目表示矩阵Fl，Fl∈Rn×d，先沿着项目的维度执行快速傅里叶变换，将Fl转换为频域信号Xl，然后通过相乘滤波器W，W∈Cn×d来调制频谱： 其中，⊙是元素级乘法，滤波器W表示可自动学习的滤波器，是去噪后得到的频域信号； 在S2中，根据所述行为序列数据通过聚类算法得到用户意图信息包括： 以用户对应的行为序列数据作为监督信号，通过序列编码器对所有序列进行编码，通过聚合方法输出用户的意图表征序列 利用聚类算法对输出的用户意图表征进行处理，得到用户的潜在意图分布函数Qci： 其中，Pθci|Su表示用户u在行为序列S的情况下，属于用户意图ci的概率； 得到用户意图分布函数Qci后再通过平均池化对簇中的表征求均值，进而得到聚类的中心即得到用户潜在意图的表征ci； 所述以前馈神经网络为主体的序列编码器中，针对第l层的序列编码器的输出表示可以表示为： 其中，W1、b1、W2、b2为训练的参数，W1表示序列混合器中第一个完全连接层的可学习权重，b1表示序列混合器中第一个完全连接层的可学习偏置，W2表示序列混合器中第二个完全连接层的可学习权重，b2表示序列混合器中第二个完全连接层的可学习偏置，FFN表示前馈神经网络；为经过滤波的第l层的输入项目表示矩阵；ReLU为非线性激活函数，Layernorm表示层归一化操作；Dropout表示退出操作。

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南大学，其通讯地址为：410083 湖南省长沙市麓山南路932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”。

以上内容由龙图腾AI智能生成。