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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于显式和隐式兴趣特征的智能新闻推荐方法和系统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：CN116340641B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310412932.6，技术领域涉及：G06F16/9535；该发明授权基于显式和隐式兴趣特征的智能新闻推荐方法和系统是由鹿文鹏;付新月;王荣耀;张维玉;管红娇;赵龙设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本基于显式和隐式兴趣特征的智能新闻推荐方法和系统在说明书摘要公布了：本发明公开了一种基于显式和隐式兴趣特征的智能新闻推荐方法和系统，解决的技术问题为现有的新闻推荐方法无法识别显式和隐式兴趣特征，从而导致推荐结果不准确的问题，采用的技术方案为：该方法具体如下：S1、构建新闻推荐模型的训练数据集；S2：构建基于显式和隐式兴趣特征的新闻推荐模型：具体如下：S201、构建新闻编码器；S202、构建显式兴趣编码器、S203、构建词频‑逆向文件频率TF‑IDF算法模块；S204、构建隐式兴趣编码器；S205、构建图神经网络；S206、构建隐式兴趣解码器；S207、构建点击率预测器；S3、训练基于显式和隐式兴趣特征的新闻推荐模型。该系统包括训练数据集生成单元、基于显式和隐式兴趣特征的新闻推荐模型构建单元和模型训练单元。

本发明授权基于显式和隐式兴趣特征的智能新闻推荐方法和系统在权利要求书中公布了：1.一种基于显式和隐式兴趣特征的智能新闻推荐方法，其特征在于，该方法通过构建并训练由新闻编码器、显式兴趣编码器、词频-逆向文件频率TF-IDF算法模块、隐式兴趣编码器、图神经网络、隐式兴趣解码器和点击率预测器模块所构成的新闻推荐模型，将所有候选新闻依据点击率大小由高到低进行排序，将Top-K条新闻推荐给用户；具体如下： 构建新闻编码器，以新闻的标题信息作为输入，从上述信息中学习新闻特征向量； 构建基于显式和隐式兴趣特征的新闻推荐模型，以新闻编码器生成的新闻特征向量为输入，使用Fastformer得到显式兴趣特征向量；以用户的浏览记录为输入，使用词频-逆向文件频率TF-IDF算法、多层感知机和图神经网络得到隐式兴趣特征向量； 构建点击率预测器模块，首先利用门控网络选择重要的特征信息以及聚合显式兴趣特征向量和最终的隐式兴趣特征向量得到用户特征向量，然后基于候选新闻的注意力网络融合用户特征向量和候选新闻的新闻特征向量，得到最终的用户特征向量，最后将最终的用户特征向量和候选新闻的新闻特征向量作为输入，通过点积运算生成每个候选新闻的得分即点击率，将所有候选新闻依据点击率大小由高到低进行排序，将Top-K条新闻推荐给用户； 基于显式和隐式兴趣特征的智能新闻推荐方法，其特征在于，所述新闻编码器的构建过程具体如下： 首先，针对数据集中每一个单词构建单词映射表，并将表中每一个单词映射成唯一的数字标识，映射规则为：以数字1为起始，随后按照每个单词被录入单词映射表的顺序依次递增排序，从而形成单词映射转换表；使用Glove预训练语言模型，得到每个单词的词向量表示；在词嵌入层将每一个新闻标题T＝[w1,w2,...,wN]转换成向量表示，记为x＝[x1,x2,...,xN]，其中，N表示一个新闻标题的长度，xN表示每个单词的向量表示，w表示新闻标题中的一个单词； 然后，以新闻标题向量x作为输入，按照一定概率将输入中的元素随机置零得到有噪声的向量然后将有噪声的向量输入全连接层得到隐层表示h，公式如下： 其中，表示有噪声的向量，x表示新闻标题向量，qx表示随机置零处理，f·表示sigmoid激活函数，U和u是从训练过程学到的参数； 最后，以隐层表示h作为输入，通过全连接层进行重构得到新闻特征向量r，公式如下： r＝fU'h+u'； 其中，r为新闻特征向量，f·表示sigmoid激活函数，U'和u'是从训练过程学到的参数。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250353 山东省济南市长清区大学路3501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”。