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！

龙图腾网获悉江西师范大学申请的专利基于空-频双域对比学习的在线兴趣组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：CN120541314B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511020976.X，技术领域涉及：G06F16/9536；该发明授权基于空-频双域对比学习的在线兴趣组推荐方法及系统是由黄晓梅;李建军;易玉根;赵俊豪设计研发完成，并于2025-07-24向国家知识产权局提交的专利申请。

本基于空-频双域对比学习的在线兴趣组推荐方法及系统在说明书摘要公布了：本发明公开了基于空‑频双域对比学习的在线兴趣组推荐方法及系统，属于推荐系统与数据挖掘技术领域。该方法包括：获取用户的在线与离线社交网络表征作为互补视图；在空域中，通过跨视图对比学习增强用户表征的实例区分度；在频域中，采用一个多层感知机网络来高效近似傅里叶变换，从而在空域中直接解耦出反映用户长短期兴趣的不同频率成分，并在此基础上构建带有可学习权重的自适应频域对比损失；最后，通过多任务学习框架将主推荐任务与空、频双域的对比学习任务进行联合优化。本发明通过空‑频双域的协同学习，有效克服了GNN的频谱偏差，并以高效的近似计算方法解决了频域分析的性能瓶颈，能够全面、动态地捕捉用户的多样化兴趣。

本发明授权基于空-频双域对比学习的在线兴趣组推荐方法及系统在权利要求书中公布了：1.一种基于空-频双域对比学习的在线兴趣组推荐方法，其特征在于，包括以下步骤： 获取目标用户的在线交互网络中形成的第一用户表征，以及离线交互网络中形成的第二用户表征； 执行空域对比学习，所述空域对比学习将所述第一用户表征和所述第二用户表征作为用于表征同一用户的互补视图，通过构建第一对比损失函数，对所述第一用户表征和第二用户表征进行增强； 执行频域对比学习，所述频域对比学习通过一预设的神经网络模型对所述第一用户表征和第二用户表征进行非线性变换，以在空域中直接近似生成分别对应于所述第一用户表征和第二用户表征的多个频率成分，并基于所述多个频率成分构建第二对比损失函数，以解耦和增强用户表征中包含的长期兴趣和短期兴趣；具体包括：将所述第一用户表征输入至所述预设的神经网络模型，得到一组第一频率成分；将所述第二用户表征输入至所述预设的神经网络模型，得到一组第二频率成分；在所述第二对比损失函数中，为每一对频率成分的对比引入一可学习的频率加权参数，所述频率加权参数用于在模型训练过程中自适应地调整不同频率成分对总损失的贡献权重； 基于一监督推荐损失函数、所述第一对比损失函数和所述第二对比损失函数，对推荐模型进行联合训练，并利用训练后的推荐模型为所述目标用户生成在线兴趣组推荐列表。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。