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！

龙图腾网获悉上海交通大学申请的专利基于单品兼容性的多模态个性化服装推荐方法和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：CN119515498B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411559997.4，技术领域涉及：G06Q30/0601；该发明授权基于单品兼容性的多模态个性化服装推荐方法和系统是由曹健;李鹏飞;钱诗友设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于单品兼容性的多模态个性化服装推荐方法和系统在说明书摘要公布了：本发明提供了一种基于单品兼容性的多模态个性化服装推荐方法和系统，包括：步骤1：使用多头自注意力机制对服装和用户分别进行建模表示；步骤2：利用历史数据中已有的单品搭配，结合不同类型单品的位置编码，完成用户和不同类型单品之间匹配度的建模；步骤3：基于用户与多个单品的交互历史，利用用户‑单品交互图进行协同位置编码，从而增强对用户行为特征的表示，并将位置编码与用户对应的兴趣组的模态特征相结合，完成对用户偏好度的建模，结合用户和单品之间的协同信息进行多样化的推荐。本发明通过引入单品特征的学习，提供了更加个性化和灵活的推荐策略，以满足用户对服装搭配的多样化需求。

本发明授权基于单品兼容性的多模态个性化服装推荐方法和系统在权利要求书中公布了：1.一种基于单品兼容性的多模态个性化服装推荐方法，其特征在于，包括： 步骤1：使用多头自注意力机制对服装和用户分别进行建模表示，其中将服装套装中不同类型的单品进行拆分，分别建立特征模型；对于每一个类型的单品，使用模态感知编码器对各种模态进行独立建模，获得单品的多模态融合特征； 步骤2：利用历史数据中已有的单品搭配，结合不同类型单品的协同位置编码，完成用户和不同类型单品之间匹配度的建模； 步骤3：基于用户与多个单品的交互历史，利用用户-单品交互图进行协同位置编码，从而增强对用户行为特征的表示，并将协同位置编码与用户对应的兴趣组的模态特征相结合，完成对用户偏好度的建模，结合用户和单品之间的协同信息进行多样化的推荐； 所述步骤2包括： 利用历史数据给定的套装搭配中的单品搭配信息历史交互构建图，其中一个套装中的所有单品的特征向量都充当搭配行为空间内的ID嵌入，其中连接所有不同类型单品的边表示在历史数据的交互信息； 利用GCN算法，传播信息并从图中提取局部位置特征作为协同位置编码信号，表达式为： 其中，协同行为特征表示服装单品的跳邻居，集合和表示套装和用户在用户-单品交互图中的邻居节点； 利用多个多头注意力模块来建模单品的匹配度，将先前获得的套装模态特征与协同位置编码码逐层集成，对于每一个输入的服装搭配，对于其中的单品产生的所有交互作为输入，使用残差网络单元初始化，单品匹配度偏好建模如下： 其中，注意力机制函数，为激活函数；分别为查询向量、键值向量和值向量；为转置符号；是键值向量的维度；是单品在第层残差网络的状态向量；和是可训练参数；表示单品的协同位置编码，表示与用户u交互过的n个历史单品在模态m上的整体表示，即； 经历个多头注意力模块之后得： 其中，其中，代表单品在模态中的匹配度特征；、、、均为可训练参数；计算其它类型不同单品在每种模态上与单品k的匹配度： 其中，表示其它类别候选单品的匹配度特征； 将所有模态的分数相加得出最终预测的偏好分数： 其中，表示所有模态的总数； 所述步骤3包括： 根据用户对单品的历史交互构建图，用户和单品都充当用户行为空间内的ID嵌入，其中连接用户和单品的边表示他们之间产生过历史交互； 利用GCN，提取用户特征为： 其中，协同行为特征表示用户跳邻居，集合表示单品和用户在用户-单品交互图中的邻居节点； 利用多个多头注意力模块来建模用户偏好，将先前获得的套装模态特征与协同位置编码逐层集成，将与用户交互的所有历史单品作为输入，建立用户偏好度模型，对用户特征应用transformer层，得到用户的偏好表示，得出最终预测的偏好分数： 其中，表示用户与单品i在模态m上的匹配度得分。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。