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！

龙图腾网获悉复旦大学申请的专利一种在线内容平台场景下的推荐交互模拟系统及其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：CN117874337B 。

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：202410006513.7，技术领域涉及：G06F16/9535；该发明授权一种在线内容平台场景下的推荐交互模拟系统及其方法是由张光平;卢暾;李东胜;张鹏;尚笠;顾宁设计研发完成，并于2024-01-03向国家知识产权局提交的专利申请。

本一种在线内容平台场景下的推荐交互模拟系统及其方法在说明书摘要公布了：本发明公开了一种在线内容平台场景下的推荐交互模拟系统及其方法；本发明以智能体为基本单元对在线内容平台中用户与推荐系统之间交互动态进行模拟，其包括两种智能体，分别为用户智能体和推荐系统智能体；用户智能体，用于执行发布、转发、点赞、评论、关注、取消关注六种行为；推荐系统智能体，生成候选列表，以向用户智能体提供帖子推荐和朋友推荐；用户智能体采用由活跃度模型、偏好模型、生成模型构成的在线内容平台用户模拟通用框架，以对用户活跃度、用户交互偏好、用户内容生成趋势准确模拟，将用户多类型的复杂行为统一抽象为从候选列表中进行选择的标准过程；本发明可以满足在线内容平台场景下虚拟用户实验、推荐系统测试等需求。

本发明授权一种在线内容平台场景下的推荐交互模拟系统及其方法在权利要求书中公布了：1.一种在线内容平台场景下的推荐交互模拟系统，其特征在于：其以智能体为基本单元进行在线内容平台中用户与推荐系统之间交互动态的模拟，其包括两种智能体，分别为用户智能体和推荐系统智能体；用户智能体，用于执行包括发布、转发、点赞、评论、关注、取消关注六种类型在内的行为；推荐系统智能体，生成候选帖子推荐列表和朋友推荐列表，以向用户智能体提供帖子推荐和朋友推荐；其中： 用户智能体采用由活跃度模型、偏好模型、生成模型构成的在线内容平台用户模拟通用框架，以分别对用户活跃度、用户交互偏好和用户内容生成趋势准确模拟，将用户多类型的复杂行为统一抽象为从候选列表中进行选择的标准过程；其中活跃度模型基于用户的历史交互行为、社会关系和兴趣编码信息进行用户行为意向估计并预测行为密度；偏好模型基于用户的历史交互行为、社会关系和兴趣编码信息预测用户对候选帖子或候选用户的偏好得分；生成模型通过高斯混合模型对帖子的全局分布进行拟合，而后基于用户的历史交互行为以及候选帖子的高斯混合模型编码，预测用户的高斯混合模型调用并进行内容生成；工作时，首先基于偏好模型对候选内容进行排序，用户智能体根据活跃度模型预测的行为密度对排序最高的候选内容产生交互行为，若交互行为类型涉及内容生成，则进一步调用生成模型；其中： 活跃度模型中，首先基于子因素粒度的UGT计算规则对包括发布、转发、点赞、评论和关注在内的用户行为进行用户行为意向估计，用户意向包括：寻求信息、分享信息、寻求自我地位和社交互动；用户意向为寻求信息时，子因素包括寻求有趣、有用或新的信息；用户意向为分享信息时，子因素包括自我表达、为他人提供信息和为社区做出贡献；用户意向为寻求自我地位时，子因素包括给他人留下深刻印象、感觉自己很重要和显得很酷很时髦；用户意向为社交互动时，子因素包括保持联系、结识有趣的人、价值分享和社区归属感；然后采用基于数据的机器学习方法来构建预测器，学习行为意向与用户行为密度之间的映射函数，预测行为密度；预测器的结构是一个两阶段的复合模型，其包括预测用户参与每个类型行为的可能性的分类模型，以及估计a类型行为密度的回归模型； 偏好模型中，首先将用户的长期和短期兴趣向量编码与用户互动历史中帖子的潜在向量拼接起来，通过行为共享的用户编码器对这些集合信息进行处理，并合成一个综合用户表示向量作为最终的用户编码向量；然后，将每个综合用户表征向量与每个候选项目的编码向量配对，候选项目是帖子或者用户，利用针对特定行为的评分模块来预测用户对这些候选项目的评分；偏好模型通过排序损失训练，同时在训练过程中加入随机负抽样； 生成模型中，采用基于规则的启发式算法来管理高斯混合模型的激活；即：对于发布行为，从长期和短期兴趣收集用户激活信号，通过激活具有最强信号的子模型来生成内容；对于转发和评论行为，还将候选帖子的高斯混合模型的信号整合在一起，确保生成的内容保持相关性和现实性； 推荐系统智能体采用在线内容平台推荐系统模拟的通用框架以向用户智能体提供帖子推荐和朋友推荐；在线内容平台推荐系统模拟的通用框架的推荐过程被划分为：召回、过滤、排序三个阶段；其中： 召回阶段，为每个用户智能体从所有帖子中筛选出复合特定召回条件的帖子； 过滤阶段，对不符合基本要求的帖子进行剔除； 排序阶段，从通过了召回、过滤阶段的帖子中挑选最符合用户兴趣的帖子，形成推荐列表； 在线内容平台推荐系统模拟的通用框架中的召回阶段和排序阶段的推荐算法包括随机推荐、基于流行度的推荐、基于社交的推荐和基于协同过滤的推荐。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。