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！

龙图腾网获悉吉林大学申请的专利一种基于检索增强预测的用户生成内容流行度预测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：CN120763406B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511270681.8，技术领域涉及：G06F16/9535；该发明授权一种基于检索增强预测的用户生成内容流行度预测方法是由周丰丰;孔妍雯;李柯薇;范雨思;王月英;王楚越;王文燕设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本一种基于检索增强预测的用户生成内容流行度预测方法在说明书摘要公布了：本发明适用于信息传播预测技术领域，提供了一种基于检索增强预测的用户生成内容流行度预测方法。本发明通过构建用户生成内容UGC知识向量库，设计检索增强预测RAP方法，采用双路检索、高速召回与检索内容去耦合减噪架构，有效解决了现有UGC流行度预测的性能瓶颈问题。其中，双路检索与重排召回架构解决了长文本表征偏差问题；下游深度学习网络模块中根据置信度动态调整特征融合权重的去耦合减噪方法，解决了检索噪声干扰问题；整体架构设计则克服了模型强耦合缺陷，使模型能适应检索库动态更新，提升了通用性和泛化能力。

本发明授权一种基于检索增强预测的用户生成内容流行度预测方法在权利要求书中公布了：1.一种基于检索增强预测的用户生成内容流行度预测方法，其特征在于，包括以下步骤： 步骤1：数据采集； 在UGC网站采集多模态数据，包括视频流、标题、评论内容、封面以及点赞量、播放量、评论数流行度行为指标； 步骤2：数据预处理； 对采集的原始数据进行清洗、重复项去除、模态缺失处理及文本与图像标准化，再将样本划分为UGC知识向量库集合、训练集和测试集； 步骤3：特征构建； 提取视频、文本、图像三类模态特征，通过模态扩增和嵌入转化生成多模态嵌入表示； 步骤4：UGC知识向量库构建； 针对文本模态，拼接所有文本特征并生成长文本嵌入，形成UCG知识向量库； 步骤5：双路检索与重排召回； 针对UGC样本的文本嵌入，在UGC知识向量库中依次进行稠密向量相似度检索、基于词频的BM25检索，再通过RFF算法双路融合召回Top-K结果，得到最终召回集合： 步骤6：检索增强预测结果辅助下游网络UGC流行度预测； 结合深度学习模型，基于输入的多模态特征及召回集合进行模型训练与流行度预测，且下游网络中设有根据检索结果置信度动态调整特征融合权重的机制； 所述步骤4中，UGC知识向量库的构建包括： 首先拼接标题、封面扩增文本和评论的文本特征，再使用jina-clip-v2模型生成长文本嵌入，相关公式如下： 其中为UGC样本的文本嵌入；为基于jina-clip-v2模型的文本特征嵌入函数；表示第个样本的标题信息；表示第个样本的封面特征经过llava模型做模态 扩增后产生的文本模态特征；表示第个样本的评论信息；代表拼接；为拼 接后UCG知识向量库中的文本嵌入；、、分别对应UCG知识向 量库中第个样本的标题文本特征、封面特征做模态扩增后的文本特征、评论文本特征。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。