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！

龙图腾网获悉北京理工大学申请的专利基于元辅助学习框架的工业大数据驾驶舱视图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：CN115964559B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202211364873.1，技术领域涉及：G06F16/9535；该发明授权基于元辅助学习框架的工业大数据驾驶舱视图推荐方法是由李国政;李锡铭;刘驰设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本基于元辅助学习框架的工业大数据驾驶舱视图推荐方法在说明书摘要公布了：本发明涉及基于元辅助学习框架的工业大数据驾驶舱视图推荐方法，所述方法包括：步骤1，将工业大数据驾驶舱用户对各种视图的评分信息导入驾驶舱视图推荐系统；步骤2，驾驶舱视图推荐系统的数据处理模块读取并处理评分信息，生成用户、视图的特征向量；步骤3，驾驶舱视图推荐系统的数据采样模块根据特征向量和评分信息，生成一组关于用户、视图的采样数据；步骤4，驾驶舱视图推荐系统的主模型和基于自监督对比学习构建的辅助模型根据采样数据计算得到对应的损失函数Lpri和Laux等步骤。本发明所述的优越效果在于：通过辅助模型的贡献，缓解了传统的工业大数据驾驶舱视图推荐系统所存在的数据稀疏的问题。

本发明授权基于元辅助学习框架的工业大数据驾驶舱视图推荐方法在权利要求书中公布了：1.基于元辅助学习框架的工业大数据驾驶舱视图推荐方法，其特征在于，包括： 步骤1，将工业大数据驾驶舱用户对各种视图的评分信息导入驾驶舱视图推荐系统； 步骤2，驾驶舱视图推荐系统的数据处理模块读取并处理评分信息，生成用户、视图的特征向量； 步骤3，驾驶舱视图推荐系统的数据采样模块根据特征向量和评分信息，生成一组关于用户、视图的采样数据； 步骤4，驾驶舱视图推荐系统的主模型和基于自监督对比学习构建的辅助模型根据采样数据计算得到对应的损失函数Lpri和Laux；并引入用户侧和视图侧的可训练贡献系数λU和λV，通过加权求和得到整体模型的目标函数L；驾驶舱视图推荐系统的主模型和基于自监督对比学习构建的辅助模型根据采样数据，计算得到对应的损失函数Lpri和Laux；并引入用户侧和视图侧的可训练贡献系数λU和λV，通过加权求和得到整体模型的目标函数L，包括： 步骤401，步骤3生成的采样数据传递给主模型和辅助模型，主模型运用BPR-loss的方法，求出损失函数Lpri；同时，辅助模型运用自监督对比学习的思想，通过最大化用户、视图与其所对应的正、负样本邻居之间的InfoNCE来近似互信息的下界，求出辅助模型对应的损失函数Laux，其中，Laux由用户侧的辅助损失函数和视图侧的辅助损失函数组成，其中，目标函数的计算如下式2至式5所示： 上式2至式5中，u表示特定的用户，vp表示用户u偏好的视图，vn表示用户u不喜偏好的视图，u+表示用户u的正相关邻居，u-表示用户u的负相关邻居，v+表示用户v的正相关邻居，v-表示用户v的负相关邻居，Dpri表示为主模型采样生成的数据，Daux表示为辅助模型采样生成的数据； 步骤402，步骤401中计算得到的主模型和辅助模型损失函数的加权求和之后得到整体模型的目标函数L，其中，整体模型的目标函数的计算如下式6所示： 上式6中，σ表示激活函数sigmiod，λU表示可训练的用户侧的贡献权重参数，λV表示可训练的用户侧的贡献权重参数； 步骤5，驾驶舱视图推荐系统的参数更新模块，通过整体模型的目标函数L，采用一种双层的元辅助学习更新架构，在内层更新驾驶舱视图推荐系统的主模型的参数以及用户、视图的特征向量，外层更新用户、视图的对比学习辅助模型的参数以及贡献系数λU和λV，并且使用隐式梯度方法进行加速； 步骤6，反复执行步骤3、步骤4、步骤5直至主模型的参数、辅助模型的参数、用户和视图的特征向量以及贡献系数λU和λV不再发生改变； 步骤7，驾驶舱视图推荐系统的推荐模块通过用户以及视图的特征向量，计算用户对各种视图的偏好值，为不同的用户推荐不同的工业大数据驾驶舱视图。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。