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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利一种基于双重测试时训练的分布外泛化深度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：CN118520170B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202410680721.5，技术领域涉及：G06F16/9535；该发明授权一种基于双重测试时训练的分布外泛化深度推荐方法是由王怡琦;杨希洪;祝恩;刘新旺;谭郁松;余杰;李宝;黄辰林;蹇松雷;张建锋;董攀;丁滟;王晓川;任怡;刘晓东;郭勇设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种基于双重测试时训练的分布外泛化深度推荐方法在说明书摘要公布了：本发明公开了一种基于双重测试时训练的分布外泛化深度推荐方法，包括：1在预训练阶段，对推荐系统模型进行训练形成预训练模型；2在测试时训练阶段，通过自监督任务对预训练模型进行更新，形成更新模型，3在推理阶段，采用更新模型进行推理得到推荐结果；所述步骤2中的自监督任务包括自蒸馏任务和对比任务，通过自蒸馏任务最小化具有相同偏好的用户兴趣中心之间的距离；对比任务为捕捉具有相似偏好的用户之间的相关性，本发明提出了基于双重测试时训练的分布外泛化深度推荐方法，在测试时训练阶段添加自蒸馏任务和对比任务，从而允许模型自适应偏移数据，以更好地理解用户之间的不变偏好和具有移位数据的可变用户特征或物品特征。

本发明授权一种基于双重测试时训练的分布外泛化深度推荐方法在权利要求书中公布了：1.一种基于双重测试时训练的分布外泛化深度推荐方法，包括步骤：1在预训练阶段，对推荐系统模型进行训练形成预训练模型；2在测试时训练阶段，通过自监督任务对预训练模型进行更新，形成更新模型，3在推理阶段，采用更新模型进行推理得到推荐结果；其特征在于：所述步骤2中的自监督任务包括自蒸馏任务，通过自蒸馏任务最小化具有相同偏好的用户兴趣中心之间的距离； 通过自蒸馏任务对预训练模型进行更新的方法为： 211首先通过预训练模型提取用户特征、物品特征以及历史交互； Eu＝fθXu，D； Ei＝fθXi，D； 其中Xu和Xi分别表示用户特征和物品特征，D是交互历史，Eu和Ei是嵌入特征，fθ为预训练模型； 212进行融合：其中是连接运算，g表示多层感知器； 213获得聚类分布结果：其中表示K-means算法； 214计算目标分布P： 其中，T是温度参数； 自蒸馏任务的目标函数： 其中，qi表示聚类得到的用户偏好中心，pi表示锐化之后的用户偏好分布； 所述步骤2中的自监督任务还包括对比任务：对比任务为捕捉具有相似偏好的用户之间的相关性，通过对比任务对预训练模型进行更新的方法为： 221基于自蒸馏任务中的聚类分布结果选取多个高置信度样本形成高置信度样本集，进行聚类操作获得相应的伪标签，划分成多个不相交的簇Ri，将同一聚类中的样本视为正样本； 222计算高置信度样本的中心：Ci＝avgRi，i＝1，2，…，K，其中avg表示平均函数；将不同的高置信度中心视为负样本； 223对比任务的总损失函数： 正样本对的损失： 负样本对的损失： 其中，N表示样本数，K表示聚类中心的数量，i代表特征的索引，n和m代表变量，Rim和Rin为同一个聚类中心中不同的特征向量，Ci和Cj分别表示不同的偏好中心。

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中国人民解放军国防科技大学，其通讯地址为：410000 湖南省长沙市开福区德雅路109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”。