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基于不变学习的多媒体泛化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：CN117349457B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202311418161.8，技术领域涉及：G06F16/435；该发明授权一种基于不变学习的多媒体泛化推荐方法是由吴乐;白浩岳;侯旻;蔡苗苗;贺壮壮;洪日昌;汪萌设计研发完成，并于2023-10-30向国家知识产权局提交的专利申请。

本一种基于不变学习的多媒体泛化推荐方法在说明书摘要公布了：本发明公开了一种基于不变学习的多媒体泛化推荐方法，包括：1.构造异构数据；2.构建冷启动推荐网络，包括表征生成器、嵌入层，和用户协同表征矩阵；3.表征生成器对多媒体原始特征进行处理，得到产品集中各个模态的表征向量；4.初始化用户协同矩阵并经过嵌入层得到用户的最终表征向量；5.由循环混合层构建M个不同环境下的模态融合的权重集合，用于生成表征差异化环境并优化不变表征；6.根据不同环境下的推荐损失计算不变损失函数；7.联合各个损失函数并对推荐产品网络进行多任务学习以更新网络参数，实现新产品推荐。本发明利用对齐和不变学习的思想有效提升模型的泛化能力，并缓解冷启动推荐问题。

本发明授权一种基于不变学习的多媒体泛化推荐方法在权利要求书中公布了：1.一种基于不变学习的多媒体泛化推荐方法，其特征在于，是按如下步骤进行： 步骤1、构造异构数据，包括：利用用户对产品的交互记录构造用户-产品交互矩阵，利用产品的多媒体内容提取产品的多媒体原始特征集合； 步骤2、构建冷启动推荐网络，包括表征生成器、嵌入层，和用户协同表征矩阵P； 步骤3、所述表征生成器对多媒体原始特征进行处理，得到产品集中各个模态的表征向量，从而基于中任意两个模态的表征矩阵构建对齐损失； 步骤4、嵌入层初始化用户协同表征矩阵并进行编码后，得到第个用户的最终表征向量 步骤5、由循环混合层构建个不同环境下的模态融合的权重集合，用于生成表征差异化环境并优化不变表征； 步骤5.1、从Dirichlet分布中采样获得一组维度为的第1个环境的模态融合的权重集合 步骤5.2、在第个环境的模态融合的权重集合的基础上，对进行循环位移操作，得到第个环境的模态融合的权重集合；从而得到个不同环境下的模态融合的权重集合； 步骤5.3、根据式6对第个产品的种模态的表征向量进行处理，生成第个产品在第个环境下的最终表征向量； 6 式6中，表示第e个不同环境下第种模态的权重；表示第个产品的第种模态的表征向量； 步骤6、根据和，采用内积来计算用户和产品的最终表示向量来得到第个环境下的第个用户对第个产品的倾向分数，用于建立第个环境下的推荐BPR损失，从而构建不变损失函数，其中，表示期望，表示方差；表示不变学习的权重； 步骤7、联合和对推荐产品网络进行多任务学习，以更新网络参数至收敛，从而得到最优参数的产品推荐模型用于实现新产品集的推荐。

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。