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！

龙图腾网获悉拉扎斯网络科技(上海)有限公司申请的专利基于推荐模型的推荐方法、装置、设备及存储介质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：CN116484099B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310462340.5，技术领域涉及：G06F16/9535；该发明授权基于推荐模型的推荐方法、装置、设备及存储介质是由陈成镐;肖杰;刘金;张杰;郏夹;胡宁设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本基于推荐模型的推荐方法、装置、设备及存储介质在说明书摘要公布了：本公开提供一种推荐方法、装置、设备及存储介质，该推荐方法包括获取目标对象；利用推荐模型预测所述目标对象向用户推荐的推荐分；其中，所述推荐模型包括主分类器和辅分类器，所述推荐分是由所述主分类器预测的推荐分和所述辅分类器预测的推荐分确定的；所述推荐模型是利用带有标签的源域数据集、未有标签的目标域数据集，以引入最小化不确定性损失的优化目标训练得到，所述不确定性损失通过如下参数确定得到：在所述源域数据集或所述目标域数据集下，所述主分类器和所述辅分类器分别预测的推荐分之间的差异，和或，所述主分类器和所述辅分类器分别预测的类别信息之间的差异。

本发明授权基于推荐模型的推荐方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于推荐模型的推荐方法，所述方法包括： 获取目标对象； 利用推荐模型预测所述目标对象向用户推荐的推荐分； 其中，所述推荐模型包括用于对输入数据进行特征提取的特征提取器、分别连接至所述特征提取器的主分类器和辅分类器，所述推荐分，是对所述主分类器基于输入特征预测的推荐分和所述辅分类器基于输入特征预测的推荐分，进行计算确定的； 所述推荐模型是利用带有标签的源域数据集、未有标签的目标域数据集，以引入最小化包括不确定性损失、源域数据集的交叉熵损失以及对抗性损失的优化目标训练得到； 所述不确定性损失通过如下参数确定得到：在所述源域数据集或所述目标域数据集下，所述主分类器和所述辅分类器分别预测的推荐分之间的第一差异，和，所述主分类器和所述辅分类器分别对所述目标域数据集预测的类别信息之间的第二差异；所述第一差异通过Kullback‑Leibler散度经量化的可转移性权重加权得到； 所述对抗性损失，是通过所述推荐模型中的生成器将所述特征提取器对源域数据提取的特征转换为目标域数据的特征，并由所述推荐模型中的判别器利用转换的目标域数据的特征，对所述源域数据集和所述目标域数据集的特征分布进行区分确定的。

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拉扎斯网络科技(上海)有限公司，其通讯地址为：200333 上海市普陀区真北路788号507室；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。