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！

龙图腾网获悉扬州大学申请的专利一种基于串行自编码机的推荐算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：CN115630681B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202211260963.6，技术领域涉及：G06N3/045；该发明授权一种基于串行自编码机的推荐算法是由朱毅;耿宜帅;李云;强继朋;袁运浩设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于串行自编码机的推荐算法在说明书摘要公布了：本发明公开了一种基于串行自编码机的推荐算法，包括1将基于物品的评分信息和用户和物品交互的辅助信息合并到自编码机中用于重构输出，通过传统自编码机学习获得重构输出的特征表示，利用辅助信息帮助原始评分矩阵进行重构，减少有效信息的丢失；2设计自编码机与自编码机的串行连接方法，通过获取第一个自编码机生成的重构输出，并将输出中对于原始评分矩阵的重构部分输入到第二个自编码机中，将第二个自编码机的输出即预测评分矩阵，与原始的评分矩阵进行对比，计算预测精度。本发明能够利用物品的属性信息，通过自编码机处理，将属性信息作为推荐的拓展特征，达到为用户进行更准确推荐的目的。

本发明授权一种基于串行自编码机的推荐算法在权利要求书中公布了：1.一种基于串行自编码机的推荐方法，其特征在于，包括以下步骤： 1将基于物品的评分信息和用户和物品交互的辅助信息合并到自编码机中用于重构输出，通过传统自编码机学习获得重构输出的特征表示，利用辅助信息帮助原始评分矩阵进行重构，减少有效信息的丢失； 步骤1.1通过获取用户对于物品的评分信息和物品的属性信息，将物品的属性信息进行one-hot编码，将编码后的向量作为推荐的扩展特征； 步骤1.2根据步骤1.1得到的用户和物品的评分矩阵和物品的属性信息，引入一个自编码机AutoEncoder模型，将观测到的用户和物品的评分向量ri和物品的属性向量ai结合起来；第一个自编码机的输入定义为conri；ai，计算公式如1所示： conri；ai＝connectionofriandai1 此外，RI表示所以基于物品的评分向量，AI表示所有物品的属性向量，conRI；AI∈Rn×m+k表示评分向量和物品向量的连接； 步骤1.3通过步骤1.2得到的评分向量和物品向量的连接conRI；AI；将conRI；AI作为输入数据输入到第一个自编码机模型中，并通过第一个自编码机压缩和解压操作获得解压后的重构输出；自编码机的编码层定义如公式2所示： R′1＝gfconRI；AI·W1+b1·W′1+b′12 在自编码机的编码和解码过程中，W1∈Rm+k×h和W′1∈Rh×m+k表示权重矩阵；b1∈Rn×h和b′1∈Rn×m+k表示偏置向量；f和g表示非线性激活函数； 2设计自编码机与自编码机的串行连接方法，通过获取第一个自编码机生成的重构输出，并将输出中对于原始评分矩阵的重构部分输入到第二个自编码机中，将第二个自编码机的输出即预测评分矩阵，与原始的评分矩阵进行对比，计算预测精度； 使用第二个自编码机模型来学习原始评分信息的重构部分，定义为subR′1；第二个自编码机编码层和解码层表示为如公式3和4所示： ξ2＝fW2·subR′1+b23 R′2＝gW′2·ξ2+b2′＝gW′2·fW2·subR′1+b2+b′24 其中，编码层和解码层的权重矩阵和偏置向量分别为W2∈Rt×n，b2∈Rt×m和W′2∈Rn×t，b′2∈Rn×m；在目标函数中添加权重矩阵W2和W′2的L2范数正则化项，使得模型的解码更加逼近真实的数据，L2范数正则化项的表示如公式5所示： 此外，在基于串行自编码机的两个自编码机模型中，通过随机梯度下降算法SGD找到最优值，因此，最终目标函数如公式6所示： Jitem＝||R′2-R||2+αJr6 其中，α是控制正则化项平衡的权衡参数，为了最小化输入原始基于物品的评分矩阵R和预测输出的评分矩阵R′2之间的差值；当模型收敛时，串行自动编码机的输出层是用于预测的矩阵R′2，将R′2的结果作为推荐的依据。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。