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！

龙图腾网获悉浙江工业大学申请的专利一种基于大型语言模型协同小模型插件的人类流动性预测方法和装置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：CN119917676B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510116206.9，技术领域涉及：G06F16/36；该发明授权一种基于大型语言模型协同小模型插件的人类流动性预测方法和装置是由沈国江;郑宏;杜嘉欣;潘企弘;孔祥杰设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于大型语言模型协同小模型插件的人类流动性预测方法和装置在说明书摘要公布了：一种基于大型语言模型协同小模型插件的人类流动性预测方法和装置，其方法包括：预处理原始用户签到数据，构建一个包含用户与地点在各时段上的全局交互关系的时序知识图谱，用于表示用户的签到行为。同时构造用户长期的历史签到轨迹和近期的签到轨迹；构造用户记忆向量，训练由多个编码器组成的插件小模型。该插件小模型不受限于本申请所描述的形式，可自由替换其他插件小模型；抽取用户部分历史签到轨迹以及近期签到轨迹，联合小模型生成各项偏好的前K个预测标签、置信度评分以及基准真值等数据生成提示词；利用历史数据监督微调大型语言模型，根据不带有基准真值的提示对用户的行踪进行预测，得到最终预测结果。本发明能够提供更为精准的预测结果。

本发明授权一种基于大型语言模型协同小模型插件的人类流动性预测方法和装置在权利要求书中公布了：1.一种基于大型语言模型协同小模型插件的人类流动性预测方法，具体包括如下步骤： S1:预处理原始用户签到数据，构建一个包含用户与地点在各时段上的全局交互关系的时序知识图谱，用于表示用户的签到行为；同时构造用户长期的历史签到轨迹和近期的签到轨迹； S2:构造用户记忆向量，训练由多个编码器组成的插件小模型；该插件小模型不受限于本申请所描述的形式，可自由替换其他插件小模型；具体包括： S2.1：将用户在不同时间段内的所有地点的历史签到频率构建为用户记忆向量；具体来说，对于每个用户签到记录，在其时间戳t之前遍历所有的历史签到数据，以计算用户对每个地点的签到内存向量如式1所示； 其中，ti和tj表示用户u的签入记录和titj的时间戳，r表示用户的签到时间段关系，d表示签到四元组的时间信息，也就是日期号；接下来，根据下式将转换为 S2.2：采用一种基于复制机制的学习策略，从两个方面对用户的个人偏好进行建模；一个是用户的习惯，另一个是用户签入新地点的潜在探索需求；通过当前查询上下文的时间信息以及用户历史签到数据，捕获用户的习惯偏好；因此，将用户实体嵌入和时间关系嵌入连接起来作为查询特征，然后使用它生成潜在的习惯偏好向量，如下： 其中tanh为激活函数，和为可训练参数，L是地点嵌入向量，表示嵌入拼接操作；值得注意的是，将添加到习惯偏好向量中，将候选空间分为两部分，使习惯偏好向量更关注之前签到过的地点； 捕捉用户的新奇偏好；按照与对用户的习惯偏好进行建模相同的逻辑，获得用户的尝鲜偏好向量，如下： 将的负数添加到尝鲜偏好向量中，使尝鲜偏好向量更加关注用户以前从未签到过的地点； S2.3：对于每个签到四元组u,r,l,d，保存了前一个签到记录，即u,ri,li,di,rj,lj,dj；为了获取顺序签到之间的时间信息，根据两次签到的日期差以及单位日期向量du生成了时间差异嵌入；最后，结合顺序签到的嵌入来获得地点人流转移特征向量： Δd＝di-dj×du5 S2.4：对得到的各种偏好向量通过Soft-max激活函数，得到阶段性预测结果，如下式所示： P＝σV7 S3:抽取用户部分历史签到轨迹以及近期签到轨迹，联合小模型生成各项偏好的前K个预测标签、置信度评分以及基准真值数据生成提示词； S4:利用历史数据监督微调大型语言模型，根据不带有基准真值的提示对用户的行踪进行预测，得到最终预测结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。