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！

龙图腾网获悉南京邮电大学申请的专利一种基于多任务学习的短视频多行为点击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：CN115905616B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202211380652.3，技术领域涉及：G06F16/735；该发明授权一种基于多任务学习的短视频多行为点击预测方法是由顾亦然;周永波;王雨;徐泽彬;李晓芳;彭家旭设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种基于多任务学习的短视频多行为点击预测方法在说明书摘要公布了：本发明公开了一种基于多任务学习的短视频多行为点击预测方法，步骤如下：提取用户基本特征和短视频基本特征；引入词嵌入模型和图嵌入模型充分学习用户历史行为序列中的时序信息，提取出序列特征；建立MMOE多任务模型学习不同行为的联系与差异；并在此基础上引入FM模型学习低阶特征交互；对用户进行查看评论，点赞，点击头像，转发等行为分配不同的权重，进行加权平均，预测用户对短视频点击行为的概率值。本发明引入词嵌入模型和图嵌入模型提取出序列特征，在MMOE模型基础上引入FM模型，不仅可以学习不同行为的联系与差异，而且可以学习低阶特征交互，使模型具有低阶特征的记忆性能和高阶特征的泛化性能，提高点击预测准确性。

本发明授权一种基于多任务学习的短视频多行为点击预测方法在权利要求书中公布了：1.一种基于多任务学习的短视频多行为点击预测方法，其特征在于，包括如下步骤： S1、分别对用户行为数据集、短视频数据集提取基础特征，获得用户基础特征集、短视频基础特征集；之后对用户基础特征集、短视频基础特征集选取特征合并，分别获得用户基本特征、以及短视频基本特征； S2、从用户基础特征集中提取的用户行为特征按照时间先后的顺序进行划分获得用户观看序列，进一步获得所有用户的观看序列，以所有用户观看序列为输入、其对应的短视频词向量特征为输出，构建并训练获得序列特征提取模型； S3、根据用户观看序列，生成用户观看路径图，以用户观看序列为输入、用户观看序列向量特征为输出，构建并训练用户序列特征提取模型；以用户观看路径图为输入，用户潜在观看序列向量特征为输出，构建并训练用户潜在观看序列特征提取模型；其中，构建用户序列特征提取模型时，利用Skip-gram算法，并采用如下优化方法： S301、以用户观看序列为输入、用户观看序列向量特征为输出，构建优化目标为： 其中，w是Skip-gram算法选择的窗口大小，节点vi到各个窗口内节点的概率独立，Φ是映射函数：Φ:V→Rd，d表示维度，Pr代表概率函数； S302、对步骤S301中概率转移公式进一步优化如下式： S303、加入负采样对步骤S302优化的结果进行优化如下式： 其中，Nvi′是节点vi的负采样，σ是激活函数； S4、以用户基本特征、短视频基本特征、短视频词向量特征、用户观看序列向量特征、用户潜在观看序列向量特征为输入、其对应的用户行为预测概率为输出，构建并训练用户多行为点击预测模型，并在训练过程中用户行为进行分配权重；具体包括如下子步骤： S401、利用MMOE模型，以用户基本特征、短视频基本特征、短视频词向量特征、用户观看序列向量特征、用户潜在观看序列向量特征为输入，学习各个特征之间的联系与差异，获得其对应的高阶特征； S402、利用FM模型，以用户基本特征、短视频基本特征、短视频词向量特征、用户观看序列向量特征、用户潜在观看序列向量特征为输入，学习各个特征的交互，获得其对应的低阶特征； S403、在步骤S401中MMOE模型的每个子任务输出后添加一个全连层，将每个子任务的输出与步骤S402中FM模型的输出拼接在一起，并输入至MMOE模型的塔网络中。

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南京邮电大学，其通讯地址为：210033 江苏省南京市栖霞区广月路30-06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。