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！

龙图腾网获悉南京玄屹技术有限公司申请的专利基于深度学习的人群画像兴趣图谱增强建模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：CN120541402B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510600553.9，技术领域涉及：G06F18/20；该发明授权基于深度学习的人群画像兴趣图谱增强建模方法是由刘志伟设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本基于深度学习的人群画像兴趣图谱增强建模方法在说明书摘要公布了：本发明公开了一种基于深度学习的人群画像兴趣图谱增强建模方法，S1.生成人群画像兴趣图谱图快照序列；S2.得到性能评价结果集合；S3.根据适应度评估结果选择最优池化超参数配置；S4.输出时间窗口层次化结构向量集合；S5.将时间窗口层次化结构向量集合按照图快照序列时间顺序拼接，得到兴趣融合表示向量，并构建离线教师模型；S6.对结构精简的轻量学生模型进行知识蒸馏训练，并将轻量学生模型部署于线上实时推荐系统，并在实时流量场景下输出推理结果；S7.当检测到关键性能指标低于预设阈值或用户兴趣分布出现大于预设阈值的变化时，重新执行步骤S2至步骤S6。本发明有效提升对冷启动用户、兴趣转移用户复杂行为模式的识别能力。

本发明授权基于深度学习的人群画像兴趣图谱增强建模方法在权利要求书中公布了：1.一种基于深度学习的人群画像兴趣图谱增强建模方法，其特征在于，包括如下步骤： S1.构建三元异构图，基于多粒度时间窗口对三元异构图生成人群画像兴趣图谱图快照序列，三元异构图的节点由用户节点、兴趣标签节点和上下文场景节点组成； S2.针对人群画像兴趣图谱图快照序列中的每一图快照实施启发式裁剪，生成对应候选子图，并形成候选子图集合，在训练数据集上对候选子图集合执行离线任务模型训练，得到性能评价结果集合； 所述步骤S2包括以下步骤： S21.针对人群画像兴趣图谱图快照序列中的每一个图快照，其中，为兴趣标签节点，为兴趣标签节点与上下文场景节点之间的连接边，计算每一节点的节点度值并设定节点度数阈值，筛除所有节点度值低于节点度数阈值的节点集合，得到节点度值； S22.基于图快照中每一节点的兴趣语义向量表示，构建节点语义相似度矩阵，并设定语义相似性阈值，筛除所有语义相似度低于语义相似性阈值的节点对所对应的边，得到节点与节点在图快照中的语义相似度； S23.针对每一图快照，结合行为时间戳与时间窗口，计算节点活跃度衰减权重因子，通过将当前系统时间与节点最近一次行为发生时间的差值除以图快照所对应时间窗口的时长，乘以时间衰减调控系数取负指数获得； S24.综合节点度值、语义相似度与节点活跃度衰减权重因子，构建候选子图裁剪函数： ； 其中，表示节点满足裁剪保留条件，表示对应的阈值； S25.对图快照中所有满足候选子图裁剪函数的节点集合及其关联边集合构建候选子图，汇聚所有时间窗口下的候选子图形成候选子图集合； S26.在训练数据集上对候选子图集合执行任务目标函数训练，采用点击率评估指标、交易转化指标与结构保真指标对每一候选子图进行性能评估，构建性能评价结果集合； S3.以候选子图集合与性能评价结果集合为输入，定义人工蜂群优化算法的搜索空间与适应度函数，并基于适应度函数对池化超参数候选解集合进行适应度评估，根据适应度评估结果选择最优池化超参数配置； 定义人工蜂群优化算法的适应度函数，适应度函数用于度量每组池化超参数配置在候选子图集合上的综合效果，基于S26的评估指标构建目标函数： ； 其中，、与分别表示在第个候选子图上，应用池化超参数配置后得到的点击率曲线下面积评分、交易转化率评分与结构保真度量值，、、为加权系数； S4.在最优池化超参数配置下，针对每一图快照及其对应候选子图执行层次化图神经网络模型，提取每个快照的结构嵌入向量，输出时间窗口层次化结构向量集合； S5.将时间窗口层次化结构向量集合按照图快照序列时间顺序拼接，得到兴趣融合表示向量，并构建离线教师模型； S6.基于离线教师模型的输出结果与参数，对结构精简的轻量学生模型进行知识蒸馏训练，并将轻量学生模型部署于线上实时推荐系统，并在实时流量场景下输出推理结果； S7.当检测到关键性能指标低于预设阈值或用户兴趣分布出现大于预设阈值的变化时，重新执行步骤S2至步骤S6。

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南京玄屹技术有限公司，其通讯地址为：210012 江苏省南京市雨花台区大周路32号A1北幢502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。