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基于多任务学习框架的团购推荐模型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：CN116091167B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310152194.6，技术领域涉及：G06Q30/0601；该发明授权一种基于多任务学习框架的团购推荐模型是由翟烁尧;阳德青;梁斌设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本一种基于多任务学习框架的团购推荐模型在说明书摘要公布了：本发明属于人工智能与信息检索技术领域，具体为一种基于多任务学习框架的团购推荐模型。本发明团购推荐模型包括图表示学习模块、多任务学习模块、表示微调和预测模块；本发明首先公式化地定义团购推荐任务，并将团购任务拆分为两个相关的子任务；图表示学习模块通过节点和关系类型划分多视图，在多视图上分别学习用户和物品的特征表示，聚合得到每位用户和节点的向量表示；多任务学习模块通过专家网络和门控单元，同时学习两个任务，使两个任务的学习相互促进，并对门控单元进行调整，以提升多个学习任务间的信息交互能力；表示微调和预测模块通过辅助损失函数对特征表示进行微调，以提升特征表示的泛化性。本发明系统可实现高效、准确地团购推荐。

本发明授权一种基于多任务学习框架的团购推荐模型在权利要求书中公布了：1.一种基于多任务学习框架的团购推荐模型，其特征在于，包括图表示学习模块、多任务学习模块、表示微调和预测模块；首先，团购推荐任务，通过图表示学习模块学习向量表示，然后将其输入到多任务学习模块中进行信息交互和信息抽取，再输入到表示微调和预测模块中，得到预测推荐结果，并通过两任务的损失函数和表示微调的辅助损失函数对模型进行更新，以更好地解决群组推荐任务；其中： 所述团购推荐任务，具体表述如下：对于团购场景，包括团购发起人也称用户，团购参与者和团购物品，最终目标为选择合适的和,使拼团成功率最大化；这样得到团购群三元组数据，表示用户集合，表示物品集合，表示一次团购中所有参与者构成的集合，预测目标为拼团成功率，即联合概率； 将上述团购推荐任务拆解成两个相关的子任务，第一个子任务，记为任务A，是计算能够发起拼团得分函数，即在给定某用户的情况下推荐候选物品，使用户能够发起拼团；第二个子任务，记为任务B，是计算能够完成拼团得分函数，在给定用户和候选物品的情况下推荐其他参与用户，使拼团能够完成； 所述图表示学习模块，通过多视图的方式建图，构建三张无向图，其中的节点类型分别是，和，代表着发起者视图、参与者视图、社交视图这三种视图，在三种视图上使用GCN进行表示学习，以此获得每张视图上相对应的向量表示，即使得中的每一个都获得来自两种不同视图的向量表示，最后通过向量拼接的方法将来自不同视图的向量表示进行聚合，得到所对应的向量表示； 所述多任务学习模块，由多层专家网络和调整门控单元构成；多任务学习模块的每一层均包含一组专家网络和调整门控单元；这一组专家网络分为三部分，分别用于学习任务A信息，任务B信息和共享信息，依次记为：第l层的专家网络组A，专家网络组B和专家网络组S，每个专家网络为一个多层感知机，该多层感知机为由三层全连接神经网络组成的塔式结构，接受上一层门控单元的输入或原始输入，输出一个对应的向量或矩阵，为信息抽取的结果；每层调整门控单元为三个，对应三部分专家网络，依次记为第l层门控A、门控B和门控S；其中： 门控A由两部分构成，第一部分根据专家网络组A和专家网络组S的输入对专家网络组A和专家网络组S的输出加权，第二部分根据发起者、参与者、物品三者中的两者组合给专家网络组A、B、S的输出加权，将两部分加权汇总作为门控A的输出； 门控B同样由两部分构成，第一部分根据专家网络组B和专家网络组S的输入对专家网络组A和专家网络组S的输出加权，第二部分根据发起者、参与者、物品三者中的两者组合给专家网络组A、B、S的输出加权，将两部分加权汇总作为门控B的输出； 门控S只有单一部分，根据专家网络组A、B、S的输入对专家网络组A、B、S的输出加权作为门控S的输出； 所述表示微调和预测模块，包括预测头以及辅助损失函数；预测层为成双塔结构的两个独立的多层感知机，预测层以多任务学习模块的输出作为输入，计算两个子任务上的得分函数作为输出；同时设计任务A和任务B上的贝叶斯个性化排序损失函数BPR，表示微调部分根据预测层输出的得分函数，并构造两个辅助损失函数：任务A上的辅助损失函数为Listwise损失，通过比较正例样本和将和替换掉的负例样本计算辅助损失函数值，正例样本是指观测到的团购记录中出现的组合；任务B上的辅助损失为BPR损失，通过比较正例样本和将替换掉的负例样本计算损失函数值，最终模型的优化目标由任务A的BPR损失、任务A的Listwise辅助损失、任务B的BPR损失、任务B的BPR辅助损失加权汇总构成。

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。