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！

龙图腾网获悉重庆邮电大学申请的专利一种基于Transformer的物品-行为跨序列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：CN116644226B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310421060.X，技术领域涉及：G06F16/9535；该发明授权一种基于Transformer的物品-行为跨序列推荐方法是由项小红;邓欣;赵王善胤;张涪源;陈泽瑜;李荣鹏设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于Transformer的物品-行为跨序列推荐方法在说明书摘要公布了：本发明请求保护一种基于Transformer的物品‑行为跨序列推荐系统，涉及人工智能和推荐系统领域，包括以下步骤：1物品‑行为序列建模，获取用户交互物品序列和用户交互行为序列；2基于Transformer进行序列推荐系统建模，通过嵌入表示查询将独热的稀疏的物品转化为稠密的嵌入表示向量，根据序列级的嵌入表示计算出各个物品推荐概率并将推荐概率最高的物品推荐给用户；3基于编码器进行序列表示建模，将两种序列建模为单一序列并对序列的嵌入表示进行学习；4基于自注意力机制进行物品‑行为跨序列融合建模。本发明在多序列推荐系统构建、序列信息建模、多序列融合等方面的研究具有重要指导意义。

本发明授权一种基于Transformer的物品-行为跨序列推荐方法在权利要求书中公布了：1.一种基于Transformer的物品-行为跨序列推荐方法，其特征在于，包括以下步骤： 1物品-行为序列建模步骤：获取用户交互物品序列和用户交互行为序列，并对这两种序列进行建模； 2基于Transformer进行序列推荐系统建模：通过嵌入表示查询将独热的稀疏的物品转化为稠密的嵌入表示向量，再利用Transformer中的编码器结构学习序列的嵌入表示，从而得到能够表示用户偏好的序列级嵌入表示，然后利用归一化指数函数根据序列级的嵌入表示计算出各个物品推荐概率并将推荐概率最高的物品推荐给用户； 3基于编码器进行序列表示建模：将两种序列建模为单一序列并对序列的嵌入表示进行学习；通过自注意力机制将多个用户交互时产生的序列元素嵌入表示融合为单一序列嵌入表示，并使用深度学习中的前馈神经网络学习序列级嵌入表示； 4基于自注意力机制进行物品-行为跨序列融合建模：将用户交互的多个序列融合为单一序列，利用自注意力的查询向量、键向量、值向量将多个序列的元素级嵌入表示融合为单一序列的元素级嵌入表示; 所述步骤1物品-行为序列建模步骤：获取用户交互物品序列和用户交互行为序列，并对这两种序列进行建模，具体包括： 通过嵌入表示查询将独热的用户交互物品和用户交互行为转化为对应的稠密的嵌入表示向量；通过相似度函数计算序列嵌入表示向量和每个物品的嵌入表示向量之间的相似度，并使用Softmax函数计算出每个物品的推荐概率，然后将推荐概率最高的物品推荐给用户; 所述通过嵌入表示查询将独热的用户交互物品和用户交互行为转化为对应的稠密的嵌入表示向量，具体包括： 首先定义序列集，此处表示包含所有序列的集合，其中表示集 合中第个序列，表示集合中序列的数量，对于每一个序列，，其中表示 第个序列的用户交互物品序列，而表示第个序列的用户交互行为序列；对于每一个物 品序列，，此处表示第个序列的第个物品，而则表示第个物品 序列的长度，且，其中是所有物品组成的集合；对于每一个用户行为序列，，此处表示第个序列的第个用户行为，而则表示第个用户交 互序列的长度即，显然有，并且，此处是所有用户行为 组成的集合； 查找用户交互物品序列和用户交互行为序列的稠密的嵌入表示向量，如式12所示： 12 式中表示用户交互物品序列的嵌入表示；表示序列的长度；表 示物品嵌入表示向量的维度；通过查找从物品嵌入表示矩阵 中获取对应编号的物品的嵌入表示；表示用户交互行为序列的嵌入表 示，其中表示用户交互行为嵌入表示向量的维度；通过查找从用户行 为嵌入表示矩阵中获取对应编号的用户交互行为的嵌入表示； 接着，通过由层跨序列编码层构建的编码器获得序列中所有元素通过编码器学习的 嵌入表示向量，如式13所示： 13 式中表示跨序列编码器的输出，它是由层跨序列编码层的输出拼 接而成； 随后取出的第层的第个元素作为整个序列的嵌入表示向量，如式14所示： 14 式中表示整个序列的嵌入表示；表示上述的取出向量操作； 然后通过相似度函数计算出序列嵌入表示向量与中每个元素的相似度得分，并通过归一化指数函数获得每一个物品的推荐概率，如式15所示： 15 式中；为尺寸为的向量，其取值区间为，相似度函数 采用式16来快速计算向量间的相似度： 16。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。