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去噪多兴趣逻辑推理的长序列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：CN120216775B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510685298.2，技术领域涉及：G06F16/9535；该发明授权基于去噪多兴趣逻辑推理的长序列推荐方法是由李飞;郭贵冰设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于去噪多兴趣逻辑推理的长序列推荐方法在说明书摘要公布了：本发明公开一种基于去噪多兴趣逻辑推理的长序列推荐方法，涉及数据挖掘技术领域。本发明定义了两个偏好算子，并为两个偏好算子定义基于逻辑规则的映射函数，以获取对应物品的偏好概率嵌入，利用自注意力机制提取用户兴趣嵌入。最后，基于得到的用户兴趣嵌入进行逻辑推理，以推荐下一个物品，从而避免噪声物品对逻辑推理的负面影响，提高推荐的准确性。设计了一种多兴趣学习策略，包括IPD对比损失和ILR对比损失。IPD对比损失的功能是要求物品尽可能靠近多兴趣概率分布空间，而不仅仅是单一兴趣的概率分布。ILR对比损失的功能是确保逻辑推理时能够考虑用户的多个兴趣，而不是仅关注其主要兴趣。

本发明授权基于去噪多兴趣逻辑推理的长序列推荐方法在权利要求书中公布了：1.一种基于去噪多兴趣逻辑推理的长序列推荐方法，其特征在于，包括以下步骤： 构建基于逻辑规则的兴趣提取器；所述基于逻辑规则的兴趣提取器，用于通过输入的交互序列推导用户兴趣的嵌入表示，进而得到用户的多方面兴趣嵌入矩阵；所述交互序列为一个用于表示用户历史交互物品的序列，其中包括不同时刻的交互项，每个交互项为与用户进行交互的物品的嵌入表示； 构建基于多兴趣逻辑推理的物品推荐模型；所述基于多兴趣逻辑推理的物品推荐模型用于根据用户的多方面兴趣嵌入矩阵为用户推荐物品； 利用多兴趣学习策略对基于逻辑规则的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，得到训练完成的基于逻辑规则的兴趣提取器和基于多兴趣逻辑推理的物品推荐模型； 利用训练完成的基于逻辑规则的兴趣提取器和基于多兴趣逻辑推理的物品推荐模型进行物品推荐，得到物品推荐结果； 所述多兴趣学习策略中利用训练的损失函数对基于逻辑规则的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，所述训练的损失函数的构建过程为： 每个兴趣的嵌入表示的概率密度函数定义为： （16）； 其中，表示物品的嵌入表示的维度，为兴趣的嵌入表示的概率密度函数，表示概率密度函数输入值，是函数，和表示兴趣对应的第个Beta分布的形状参数； 的概率密度函数定义为： （17）； 其中，为用户兴趣的编号，是用户兴趣的数量，为用户的多方面兴趣嵌入矩阵，为的概率密度函数，，，和为兴趣对应的第个Beta分布的形状参数；表示兴趣的嵌入表示的权重，且，是一种多层次的感知，和分别表示兴趣的嵌入表示中部分的嵌入向量和部分的嵌入向量，为用户兴趣的编号； 定义目标物品的嵌入表示与用户兴趣的嵌入表示之间的KL散度距离： （18）； 其中，表示目标物品的嵌入表示与用户兴趣的嵌入表示之间的KL散度距离，表示KL散度距离函数，，和为目标物品对应的第个Beta分布的形状参数，； 计算目标物品的嵌入表示与用户的多方面兴趣嵌入矩阵之间的KL散度距离： （19）； 其中，表示目标物品的嵌入表示与用户的多方面兴趣嵌入矩阵之间的KL散度距离，； 构建兴趣概率分布对比损失为： （20）； 其中，为兴趣概率分布对比损失，，和为KL散度距离向量，是一个预设的间隔超参数，是一个负样本的嵌入表示，表示负样本的嵌入表示与用户的多方面兴趣嵌入矩阵之间的KL散度距离； 构建兴趣逻辑推理对比损失为： （21）； 其中，表示兴趣逻辑推理对比损失，，逻辑表达式的嵌入表示，表示逻辑表达式的嵌入表示和真值的嵌入表示之间的相似度，表示逻辑表达式的嵌入表示和真值的嵌入表示之间的相似度，逻辑表达式的嵌入表示定义为，表示逻辑表达式的嵌入表示和真值的嵌入表示之间的相似度；是预设的超参数； 构建逻辑正则化损失为： （22）； 其中，为逻辑正则化损失，为逻辑正则化项，为逻辑正则化项的编号； 训练的损失函数定义为： （23）； 其中，为多兴趣学习策略中训练的损失函数，，，和是预设参数，为基于逻辑规则的兴趣提取器和基于多兴趣逻辑推理的物品推荐模型的参数，为二范数。

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”。