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！

龙图腾网获悉苏州品物智能科技有限责任公司申请的专利基于结构化贝叶斯学习与内生性修正的广告组合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：CN121660757B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202610172139.7，技术领域涉及：G06Q30/0251；该发明授权基于结构化贝叶斯学习与内生性修正的广告组合推荐方法是由郭以馨;宋佳骏;吴瑞明;龚时主设计研发完成，并于2026-02-06向国家知识产权局提交的专利申请。

本基于结构化贝叶斯学习与内生性修正的广告组合推荐方法在说明书摘要公布了：本申请涉及广告投放技术领域，尤其涉及一种基于结构化贝叶斯学习与内生性修正的广告组合推荐方法，包括构建观测数据集，获取广告商品的可观测特征向量以及工具变量向量；识别内生变量并基于工具变量向量执行回归分析，计算得到残差项；构建结构化组合效用函数；利用满足等概率约束的信号函数构建局部竞争子集，并结合函数计算观测样本在局部竞争子集上的条件选择概率；构建全局对数似然目标函数，并采用随机梯度优化方法获取结构化组合效用函数的最优模型参数；利用训练得到的最优模型参数调用结构化效用函数，计算候选广告组合的选择概率并执行广告组合推荐。本申请既能有效克服计算效率瓶颈，又能准确修正特征内生性引起的归因偏差。

本发明授权基于结构化贝叶斯学习与内生性修正的广告组合推荐方法在权利要求书中公布了：1.一种基于结构化贝叶斯学习与内生性修正的广告组合推荐方法，其特征在于，所述方法包括： 基于获取的广告交易数据构建观测数据集，定义全量广告商品集合并获取每个广告商品的可观测特征向量以及工具变量向量； 所述基于获取的广告交易数据构建观测数据集，定义全量广告商品集合并获取每个广告商品的可观测特征向量以及工具变量向量包括：从广告日志数据库中提取历史广告交易数据，构建观测数据集，其中，为样本总数，表示第次展示中用户所选择的广告商品组合；定义全量广告商品集合为，提取每个广告商品的可观测特征向量和工具变量向量，其中所述可观测特征向量用于描述广告商品在内容、价格与属性层面的已知特征；所述工具变量向量指能够显著影响广告商品的定价策略、但与该商品未被观测到的潜在质量属性不具备直接相关性的外生辅助变量； 从所述可观测特征向量中识别内生变量，并基于所述工具变量向量执行回归分析，计算得到用于内生性修正的残差项； 所述从所述可观测特征向量中识别内生变量，并基于所述工具变量向量执行回归分析，计算得到用于内生性修正的残差项包括：从所述可观测特征向量中识别内生变量，并调用工具变量向量，构建线性回归方程如下所示： 其中，表示识别出的内生变量，表示工具变量向量，为待估计的回归系数，为残差项，代表向量的转置运算；利用最小二乘法对所述线性回归方程进行拟合，得到回归系数的估计值，并基于估计值计算每个广告商品的残差项如下： 其中，即为用于内生性修正的残差项； 调用所述可观测特征向量以及残差项，构建包含非线性特征效用、交互作用效用及内生性修正效用的结构化组合效用函数，所述函数用于描述用户对于广告组合的选择行为； 所述调用所述可观测特征向量以及残差项，构建包含非线性特征效用、交互作用效用及内生性修正效用的结构化组合效用函数包括：设定用户面对的广告商品组合由若干广告商品组成，广告组合中每个商品的选择指示为，当广告商品被包含在组合中时，，否则为0；根据组合中各商品的可观测特征向量，计算组合的聚合特征向量为 构建结构化组合效用函数如下所示： 其中，为非线性特征效用，为交互作用效用，为内生性修正效用； 结构化组合效用函数的完整表达式如下所示： 其中，为待估参数集，为第个特征的聚合值，表示每个商品特征向量的维度数,为一次项系数，为二次项系数，为二值向量，表示组合中每对商品的共现关系，为交互参数向量，为对应的权重参数，为用于内生性修正的残差项； 利用满足等概率约束的信号函数构建局部竞争子集，并结合所述结构化组合效用函数，计算观测样本在局部竞争子集上的条件选择概率； 基于所述条件选择概率构建全局对数似然目标函数，并采用随机梯度优化方法获取所述结构化组合效用函数的最优模型参数； 利用训练得到的最优模型参数调用结构化效用函数，计算候选广告组合的选择概率，并执行广告组合推荐。

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苏州品物智能科技有限责任公司，其通讯地址为：215000 江苏省苏州市姑苏区平江街道大儒巷33号8号楼8464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。