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！

龙图腾网获悉哈尔滨工程大学;哈尔滨龙明科技有限公司申请的专利一种基于对比学习的解耦合负采样方法及其系统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：CN116340647B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310165758.X，技术领域涉及：G06F16/9536；该发明授权一种基于对比学习的解耦合负采样方法及其系统是由韩启龙;赖日伟;陈睿;宋洪涛;卢丹;刘鹏设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种基于对比学习的解耦合负采样方法及其系统在说明书摘要公布了：本发明公开了一种基于对比学习的解耦合负采样方法及其系统。与传统的负采样方法将物品视为一个整体的策略不同，本发明指出了用户的交互仅由物品的某些相关因素驱动，而并不是物品整体。本发明利用了门控网络解耦合物品的相关因素和非相关因素，综合考虑了两种因素选择出最合适的负样本，用于训练隐式协同过滤模型。同时基于对比学习的思想提出了四个对比任务，用于确保解耦合的准确度。作为一种新颖的采样策略，本发明能够完美地兼容各种隐式协同过滤模型。由于本发明充分考虑了用户交互的形成特性，利用门控网络提供了解耦方向，以及提出了对比学习任务确保解耦精度，隐式协同过滤模型的性能有着大幅提升。

本发明授权一种基于对比学习的解耦合负采样方法及其系统在权利要求书中公布了：1.一种基于对比学习的解耦合负采样方法，其特征在于，所述解耦合负采样方法包括以下步骤： 步骤1：对选定的隐式协同过滤模型进行初始化参数； 步骤2：从用户未交互的物品中随机选择一定数量的物品构建负样本候选集； 步骤3：通过门控网络对步骤2的候选集内的负样本进行解耦和，分离出相关因素和非相关因素； 步骤4：利用步骤3分离出的相关和非相关因素确定最优的负样本； 步骤5：利用步骤4确定的最优的负样本进行隐式协同过滤模型训练，利用对比学习确保解耦合的准确度，优化损失更新门控网络的参数； 步骤6：利用步骤5充分训练得到的隐式协同过滤模型最终的参数，计算用户与物品的得分给用户推荐； 所述步骤3具体包括以下步骤： 步骤3.1：通过正门控网络解耦合交互正样本的相关因素和非相关因素； 步骤3.2：通过负门控网络解耦合候选负样本的相关因素和非相关因素； 步骤3.3：基于步骤3.1和步骤3.2计算正负样本的非相关因素； 所述步骤3.1具体为，对于一个正样本对，其中代表用户，代表交互正样本；和分别表示用户和正样本的嵌入，正门控网络操作的公式为： 其中是正样本的相关因素，和是正门控网络的可训练参数，是sigmoid函数，是逐元素乘积； 步骤3.2具体为，对于候选负样本集中的每个嵌入，负门控网络操作的公式为： 其中是负样本的相关因素，和是负门控网络的可训练参数，是sigmoid函数，是逐元素乘积； 所述步骤3.3利用分离出的相关和非相关因素确定最优的负样本是通过原始嵌入和解耦合出的相关因素之间的逐元素减法来解耦合出对应的非相关因素，其公式为： 其中和分别代表正样本和负样本的非相关因素，代表着逐元素减法。

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哈尔滨工程大学;哈尔滨龙明科技有限公司，其通讯地址为：150000 黑龙江省哈尔滨市南岗区南通大街145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。