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！

龙图腾网获悉湖南科技大学申请的专利基于多模态特征融合的移动应用分类与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：CN116127175B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202210751368.6，技术领域涉及：G06F16/9535；该发明授权基于多模态特征融合的移动应用分类与推荐方法是由曹步清;钟为是设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本基于多模态特征融合的移动应用分类与推荐方法在说明书摘要公布了：本发明公开了基于多模态特征融合的移动应用分类与推荐方法，包括如下步骤：1移动应用特征提取层；2移动应用分类层；3移动应用推荐层。本发明属于计算机网络技术领域，具体是指一种具有更好的推荐精度及质量，在MacroF1、Accurac、AUC及Logloss等指标上均优于其他方法的基于多模态特征融合的移动应用分类与推荐方法。

本发明授权基于多模态特征融合的移动应用分类与推荐方法在权利要求书中公布了：1.基于多模态特征融合的移动应用分类与推荐方法，其特征在于，包括如下步骤： 1移动应用特征提取层 从移动应用数据集中提取一组多模态样本D，针对每个样本c∈D，它包含一个由n个移动应用描述信息单词w1，…，wn组成的句子S以及一个关联的移动应用图像I；将D作为训练语料库，在移动应用分类器中进行训练学习，在未被学习到的样本中正确预测移动应用的类别标签；在完成初始归一化及自编码单词化预处理后，在特征提取层中使用Bert模型对移动应用描述特征进行提取，并使用内卷模块的残差网络RedNet进行图像特征提取； 2移动应用分类层 使用Transformer中的自注意力与多头注意力机制区分不同模态的特征重要性并融合，并使用Softmax分类器根据融合后的特征信息将移动应用进行分类； 3移动应用推荐层 将完成分类后的数据依据其类别输入FiBiNet模型，通过权重拟合特征和样本的关系，动态地学习特征的重要性；对于越重要的特征，将赋予更大的权重，并且弱化非关键特征的权重；利用双线性操作同时考虑各个维度的重要性以完成移动应用推荐；FiBiNet模型上半部分为深层部分，主要是MLP网络通过连接层将双线性交互层的输出连接集成到稠密向量中，再将交叉组合特征输入神经网络，在预测层得到预测分数；下半部分浅层部分是FiBiNet的核心，主要对输入特征进行处理； 所述步骤3中浅层部分包括如下步骤： 将分类完成后的移动应用按类别输入FibiNet中的初始嵌入层中，将稀疏特征嵌入到低维连续实值向量中，通过线性变换将稀疏矩阵转化为稠密矩阵，提取矩阵的隐藏特征，提高模型的泛化能力，嵌入层的输出表示如下： E=[e1,e2,..,ei,…,eƒ] 引入SENET网络进行训练学习，获得嵌入权重并输出最终嵌入结果，对嵌入层中获得的嵌入特征进行降维运算，得到全局特征，然后，对其进行Sigmoid激活运算，学习每个嵌入之间的关系，得到不同域嵌入的权重，最后，将原始嵌入结果相乘得到最终嵌入结果； 所述降维包括如下步骤： 通过使用平均池化操作将原始嵌入E压缩到统计向量Z=[z1，…，zi，…，Zƒ]中，zi可通过以下公式计算： ； 其中，zi是关于第i个特征表示的全局信息，k是嵌入尺寸； 所述激活包括如下步骤： 基于统计向量Z学习每个域的嵌入权重，并使用两个全连接层学习权重，第一个完全连接层是参数W1的降维层，它使用σ1作为非线性函数，第二个完全连接层通过使用参数W2增加维度来重新存储原始维度，形式上，领域嵌入的权重计算如下： ； 其中A∈ℝƒ为表征向量，σ1和σ2是激活函数； 所述最终嵌入结果包括如下步骤： 嵌入层的每个字段乘以相应的权重，得到最终的嵌入结果V={v1，…，Vƒ}，整个操作是学习每个域嵌入的权重系数，这使得模型对每个域嵌入的特征更具区分性，利用SENET机制，增加重要特征的权重，并减少那些信息不足特征的权重，得到SENET层输出V，表示如下： ； 在得到初始嵌入层及SENET层的移动应用表征嵌入后，对稀疏特征及稠密特征进行二阶及高阶特征交互； 计算得到嵌入层的输出E与SENET层输出V的交互向量p和q： ； ； ； 将上述得到的两个交互向量进行连接，并输入到深层部分； 所述步骤3中深层部分计算公式为： ； 其中，ŷ为区间∈0,1的模型移动应用推荐预测值，σ为sigmoid函数，m为特征尺寸，其余为线性回归部分； 使用Logloss作为模型推荐优化目标函数： ； 其中，y是第i个移动应用程序的真实标签，ŷ对应于第i个移动应用程序的预测标签，N是移动应用的总数。

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湖南科技大学，其通讯地址为：411100 湖南省湘潭市雨湖区桃园路湖南科技大学计算机科学与工程学院；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。