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！

龙图腾网获悉合肥工业大学申请的专利一种融合从众性建模的去偏新闻推荐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：CN116578776B 。

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：202310455876.4，技术领域涉及：G06F16/9535；该发明授权一种融合从众性建模的去偏新闻推荐方法是由张琨;鲍纪敏;吴乐;汪萌设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种融合从众性建模的去偏新闻推荐方法在说明书摘要公布了：本发明公开了一种融合从众性建模的去偏新闻推荐方法，其步骤包括：1、分析新闻推荐中决定用户点击行为的因素，基于观测到的现象构建因果图；2、基于构建的因果图建立融合新闻流行度和用户的从众性特质建模的去偏新闻推荐模型；3、利用新闻数据集构建更具挑战性的去偏新闻推荐数据集，并采用负采样方法训练建立的模型；4、利用建立好的去偏新闻推荐模型实现用户对新闻的点击率预估任务。本发明能够更加关注用户点击行为背后的复杂因素，从而能实现更高质量的去偏新闻推荐。

本发明授权一种融合从众性建模的去偏新闻推荐方法在权利要求书中公布了：1.一种融合从众性建模的去偏新闻推荐方法，其特征是按如下步骤进行： 步骤1、获取用户历史交互新闻数据集，并将其中任一用户的历史点击新闻序列记为、候选新闻序列记为，将所述候选新闻序列中的任意一则候选新闻为，令所述候选新闻的点击标签为，{0,1}，其中，=1表示用户点击过候选新闻，=0表示用户未点击候选新闻，由用户点击过的所有候选新闻构成正样本集，由用户未点击过的所有候选构成负样本集； 令表示用户的历史点击新闻序列和候选新闻序列中任意一则新闻；对新闻进行预处理，得到的标题的单词序列、主题的ID序号、子主题的ID序号； 步骤2、分析用户的点击行为，从而根据用户偏好与新闻的匹配度、新闻流行度以及用户的从众性特质构建因果图； 步骤3、构建新闻推荐模型，包括：用户偏好和新闻匹配度模块、融合从众性模型、MLP网络以及用户点击行为的预测模块； 步骤3.1、所述用户偏好和新闻匹配度模块用于得到用户偏好和新闻的匹配度结果； 步骤3.2、所述融合从众性模型用于得到用户的历史点击新闻序列的所有新闻的流行度结果和候选新闻序列中的候选新闻的流行度结果以及用户的初步从众性特质结果； 步骤3.3、所述用户的初步从众性特质结果输入所述MLP网络中进行处理，得到用户的权重； 所述历史点击新闻序列中所有新闻的流行度结果输入MLP网络中进行处理，得到历史点击新闻的权重； 步骤3.4、利用式1得到用户的最终从众性特质结果： 1 式1中，表示激活函数； 步骤3.5、所述用户点击行为预测模块通过式2预测用户对候选新闻的点击概率分数结果： 2 步骤4、利用负对数似然损失函数对新闻推荐模型进行迭代训练； 步骤4.1、利用负采样方法在所述正样本集中采样一个正样本，同时在所述负样本集中随机采样个负样本，从而利用式3得到正样本的点击概率分数和个负样本的点击概率分数；其中，表示第个负样本，即第则未点击的候选新闻，表示第个负样本的点击概率分数； 利用式3得到正样本的后验点击概率分数： 3 步骤4.2、利用式4构建负对数似然损失函数： 4 式4中，表示用户对新闻的后验点击概率分数； 步骤4.3、基于用户的历史点击新闻序列和候选新闻序列对所述新闻推荐模型进行训练，并采用AdamW优化器对所述负对数似然损失函数进行最小化求解，从而对模型所有参数进行优化，并得到最优新闻推荐模型，用于预估用户对新闻的点击率； 步骤5、在推理阶段，将新闻流行度结果设为定值，将用户从众性特质分别设为定值，从而所述最优新闻推荐模型通过式5预测用户对候选新闻的点击概率分数： 5。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。