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！

龙图腾网获悉电子科技大学申请的专利一种基于解耦对比学习的文本表征对齐序列推荐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：CN119474350B 。

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：202411328601.5，技术领域涉及：G06F16/335；该发明授权一种基于解耦对比学习的文本表征对齐序列推荐方法是由刘峤;佟飘;王玉柯;谢炀;代婷婷;甘洋镭;侯睿;蓝天设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种基于解耦对比学习的文本表征对齐序列推荐方法在说明书摘要公布了：本发明公开了一种基于解耦对比学习的文本表征对齐序列推荐方法，属于序列推荐和深度学习技术领域。具体步骤包括：构建序列推荐的基于文本的描述数据集；创建物品和序列的文本语义编码器，分别生成相应的文本语义向量表示；通过无监督和有监督对比学习任务，学习序列和目标物品的解耦表示，并实现它们之间的双向语义对齐；本发明通过解耦序列与目标物品的表征，有效分离了序列整体语义和单个物品特征，实现了交互序列与目标物品的高质量语义表示，从而显著提升了序列推荐的准确性和效果。本方法创新性地应用解耦对比学习于序列推荐，可广泛应用于电商推荐、内容推荐等场景，具有重要的实际应用价值。

本发明授权一种基于解耦对比学习的文本表征对齐序列推荐方法在权利要求书中公布了：1.一种基于解耦对比学习的文本表征对齐序列推荐方法，其特征在于，包括以下步骤： 步骤1：将物品的多种属性描述文本按顺序连接，构建基于文本描述的序列-物品推荐数据； 步骤2：基于预训练语言模型创建物品的描述文本语义编码器，将物品的文本描述作为输入，输出其描述文本相应的文本语义向量表示，作为物品文本表征； 步骤3：基于预训练语言模型创建序列的描述文本语义编码器，将序列的文本描述作为输入，输出其描述文本相应的文本语义向量表示，作为序列文本表征； 步骤4：分别基于步骤2和步骤3中得到的物品文本表征、序列文本表征构建无监督对比学习任务，学习序列和目标物品的解耦表示； 步骤5：基于步骤2和步骤3中得到的序列文本表征与物品文本表征构建有监督双向对比学习任务，实现序列及其目标物品之间的双向语义对齐； 步骤6：利用多任务训练策略联合优化步骤4和步骤5中无监督与有监督的对比学习训练任务的损失函数，促进序列与目标物品文本语义向量表示的深度对齐； 所述步骤5具体为： 步骤5-1：引入“序列-目标物品”和“目标物品-序列”的对比学习训练任务，设置对比学习训练过程中一个批次包含B个训练实例，其中每个训练实例包含一对样本：序列样本及其相应的目标物品样本； 步骤5-2：基于步骤3-3和步骤2-3中生成的序列文本语义向量表示、目标物品文本语义向量表示，生成训练实例的文本语义向量表示：； 步骤5-3：构造正样本和负样本对，构建“序列-目标物品”的对比学习训练任务； 构造正样本对的过程如下：给定序列样本，将其与训练实例中相应的目标物品样本是组合在一起构成正样本对，其文本语义向量表示为；构造负样本对的过程如下：对于给定的序列样本，将训练批次中除了正物品样本之外的其他个目标物品样本与其进行组合构成负样本对，其文本语义向量表示为；在“序列-目标物品”对比学习训练任务中，损失函数定义为： ； 其中，表示以e为底的指数函数；是超参数，B表示一个批次的训练实例数量； 步骤5-4：构造正样本和负样本对，构建“目标物品-序列”的对比学习训练任务； 构造正样本对的过程如下：给定目标物品样本，将其与训练实例中相应的序列样本是组合在一起构成正样本对，其文本语义向量表示为；构造负样本对的过程如下：对于给定的目标物品样本，将训练批次中除了正序列样本之外的其他个序列样本与其进行组合构成负样本对，其文本语义向量表示为；在“目标物品-序列”对比学习训练任务中，损失函数定义为： 。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。