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！

龙图腾网获悉上海大智慧信息科技有限公司申请的专利多路召回协同的问答内容推荐服务方法及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：CN121051221B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511613297.3，技术领域涉及：G06F16/3329；该发明授权多路召回协同的问答内容推荐服务方法及系统是由吕更新;于青峰;杨勇;殷维设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本多路召回协同的问答内容推荐服务方法及系统在说明书摘要公布了：本发明提供了一种多路召回协同的问答内容推荐服务方法及系统，包括：步骤S1：获取用户满足预设要求的基本属性以及当前兴趣类别，基于获取的用户满足预设要求的基本属性以及当前兴趣类别获取用户意图数据，并基于HashMap结构将用户意图数据进行存储；步骤S2：基于提问内容c、提问内容c的时效性t、提问内容热度s、提问内容分组划分g、提问内容语义向量化v构建问题矩阵；步骤S3：基于用户意图数据和规划矩阵采用多种召回服务得到用户感兴趣的问答内容列表。

本发明授权多路召回协同的问答内容推荐服务方法及系统在权利要求书中公布了：1.一种多路召回协同的问答内容推荐服务方法，其特征在于，包括： 步骤S1：获取用户满足预设要求的基本属性以及当前兴趣类别，基于获取的用户满足预设要求的基本属性以及当前兴趣类别获取用户意图数据，并基于HashMap结构将用户意图数据进行存储； 步骤S2：基于提问内容c、提问内容c的时效性t、提问内容热度s、提问内容分组划分g、提问内容语义向量化v构建问题矩阵； 步骤S3：基于用户意图数据和问题矩阵采用多种召回服务得到用户感兴趣的问答内容列表； 规划矩阵q=Objectc,t,s,g,v,； 其中，所述提问内容c根据不同的时间维度t确定提问内容的范围和划分； 所述提问内容热度s包括： 提问内容热度s=基础互动量×时间衰减×内容质量系数； 所述提问内容分组划分g包括：分析提问内容的类型和内容语义，并根据用户兴趣类别将内容进行分组划分； 所述提问内容语义向量化v包括：使用embedding的方式对提问q生成对应的向量v，使用sentence-transform的句向量模型来映射语义生成维度为d的向量； 基于用户意图数据和规划矩阵采用包括短时热门召回、长期榜单召回、语义相似度召回以及用户行为召回的多种召回服务获得用户感兴趣的问答内容列表； 其中，所述短时热门召回包括：通过随机取样的方式从短时效热门矩阵的数据中召回k1条内容作为短时热门召回；所述短时效热门矩阵是从热门矩阵管理的n个提问中筛选出时间t在满足预设要求的较短时间内，且热度分数s大于0的m个提问写入缓存得到短时效热门矩阵，且nm； 所述长期榜单召回包括：根据用户的兴趣类别因子从长时效热门矩阵的数据中召回k2条内容作为长期榜单召回；所述长时效热门矩阵是从热门矩阵管理的n个提问中筛选出时间t在满足预设要求的较长时间内，且热度分数s大于0的m’个提问写入缓存得到短时效热门矩阵，且nm’； 所述语义相似度召回包括：以短时效热门矩阵中的m个提问向量为基础，采用倒排乘积量化IVFPQ索引模型构建向量索引，通过索引计算余弦相似度召回k3条最相似提问； 所述用户行为召回包括：根据用户的兴趣类别因子获取具有相同兴趣类别因子的用户，并基于具有相同兴趣类别因子的用户关注和点赞的内容中选出k4条作为该路召回内容； 基于召回的k1条内容，k2条内容、k3条内容以及k4条内容获取用户感兴趣的问答内容列表； 所述长时效热门矩阵包括： 长时效热门矩阵的数据存储使用二维跳表数据结构，所述二维跳表数据结构是基于热度分数对长时效热门矩阵的数据进行有序存储；将提问的热度分数s作为排序关键字，内容c作为关联数据，底层通过有序结构绑定热度分数与内容；长时效热门矩阵的时间维度t和类别维度g是离散的，并将离散信息体现在集合名称中，实现集合名称、热度分数、提问内容的三级存储结构； 所述语义相似度召回包括：当面对任意用户ui当前提问qi时，将qi文本转化成维度为d的查询向量qv，然后使用索引index召回k3条与qv相似度最高的提问；其中，相似度计算公式包括： similarityqv,qj=qv·qj||qv||·||qj||；其中，qj表示短时效热门矩阵中任意的j向量； 其中，所述索引index包括：基于短时效热门矩阵缓存中已经提出的m个q=Objectc,t,s,g,v,通过倒排乘积量化IVFPQ索引模型获得索引index； 当每次经过t1时间后，将短时效热门矩阵缓存中新的提问更新到索引index中，以使语义相似度召回能够基于更多的短时效热门数据进行向量相似度计算获得更新的数据； 对所述倒排乘积量化IVFPQ索引模型进行预训练，包括：利用短时效热门矩阵中的满足预设要求的部分数据训练倒排乘积量化IVFPQ索引模型，实现倒排乘积量化IVFPQ索引模型的参数调优；其中，倒排乘积量化IVFPQ索引模型的参数包括：IVF聚类中心数、PQ码本子空间数量；利用训练后的通过倒排乘积量化IVFPQ索引模型对短时效热门矩阵中的全部向量进行处理，获得索引index； 所述用户行为召回包括： 收集所有现有用户的类别因子，使用小尺度的词向量模型word2vec对所有的因子进行向量化；使用K-means聚类算法对向量化后的所有因子进行聚类处理，把n个因子分成L个兴趣组，则有Ln2n； 在为任意用户ui推荐时，对其所有兴起因子的向量做加权平均；计算用户加权平均向量与L个簇心的余弦相似度，找到最相关组；从组中选择k4条用户关注内容作为召回内容。

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上海大智慧信息科技有限公司，其通讯地址为：200120 上海市浦东新区自由贸易试验区杨高南路428号1幢9层(名义层, 实际层8层)；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。