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！

龙图腾网获悉南京邮电大学申请的专利一种基于多模态用户偏好的云边端协同服务匹配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：CN118133042B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410283038.8，技术领域涉及：G06F18/22；该发明授权一种基于多模态用户偏好的云边端协同服务匹配方法是由王海艳;季挺;骆健设计研发完成，并于2024-03-13向国家知识产权局提交的专利申请。

本一种基于多模态用户偏好的云边端协同服务匹配方法在说明书摘要公布了：本发明属于服务匹配和深度学习技术领域，公开了一种基于多模态用户偏好的云边端协同服务匹配方法，在云边端场景下，本发明基于机器学习和深度学习模型在感知量可控的条件下分别通过用户短期偏好信息和长期服务使用记录数据进行服务匹配，其中，通过用户的多模态信息数据，以循环神经网络模型和注意力机制作为分类器进行偏好信息识别，以K近邻算法用于用户长期访问序列来获取用户的长期偏好。本发明利用多模态数据的特点和机器学习、深度学习众多的方法模型，对用户因服务调用会产生大量的多模态数据进行充分提取，为云边端场景下服务自适应匹配提供有力支持。

本发明授权一种基于多模态用户偏好的云边端协同服务匹配方法在权利要求书中公布了：1.一种基于多模态用户偏好的云边端协同服务匹配方法，其特征在于：云边端协同服务匹配方法包括集成注意力机制的用户偏好信息识别方法和基于K近邻的用户服务使用记录挖掘方法，具体的， 所述集成注意力机制的用户信息识别方法为：利用TextCNN模型和VGG16模型进行用户多模态偏好挖掘，分别提取文本数据和图像数据，基于注意力机制的分类网络，通过对文本数据和图像数据的联合训练，TextCNN模型和VGG16模型识别用户的兴趣点并深入理解上下文信息，提升了服务匹配的准确性，TextCNN模型和VGG16模型的决策层上将所述文本数据和图像数据的分类成果合并，维持不同类型数据对服务选择的影响，并得出最终的综合分类决策，得到短期得分S1i； 所述基于K近邻的用户服务使用记录挖掘方法为：利用K近邻序列对用户长期偏好进行分析，基于用户以往的浏览记录，通过计算用户历史浏览记录即用户序列与其他序列之间的共有访问服务数量与总访问服务数量的比例来衡量相似度，找出用户可能访问的下一个服务，得到长期评分S2i，最终将根据两种方法得到的向量进行加权融合得出服务的综合评分，按照综合评分的高低进行排序为用户匹配评分最高的前K项服务；其中： 所述集成注意力机制的用户信息识别方法具体包括以下步骤： 步骤1.1、数据的采集与预处理：通过数据的采集与预处理模块实现数据的获取与处理的即时进行，获得文本数据与图像数据，对获得的文本数据与图像数据进行预处理； 步骤1.2、文本和图像信息的特征提取：在文本分析中，使用TextCNN模型提取文本数据，在图像处理中，使用VGG16模型提炼原始图像数据； 步骤1.3、通过注意力机制处理文本数据和图像数据：编码文本数据的上下文和跨不同媒介的语义内容，整合并处理来自TextCNN模型和VGG16模型的数据，得到多模态的数据； 步骤1.4、融合偏好特征确定分类结果：采用加权融合方法将步骤1.3得到的多模态的数据结合起来，将融合多模态后得到的用户向量与服务向量相乘获得服务的短期得分S1i； 所述步骤1.2中使用VGG16模型提炼原始图像特征具体包括以下步骤： 步骤1.2.1、原始图像首先经过TextCNN模型和VGG16模型的卷积层，所述卷积层与图像的局部区域相连接，通过点积运算来提取图像的特征； 步骤1.2.2、TextCNN模型和VGG16模型的卷积层负责提取图像特征，激活函数ReLU规范图像尺寸和增强非线性特性； 步骤1.2.3、设置池化层降低图像特征的维度，以减少噪声并提高计算效率； 步骤1.2.4、图像特征被送入TextCNN模型和VGG16模型的全连接层完成图像特征处理过程； 在所述步骤1.3中，通过注意力机制在处理文本数据时，初始步骤是将输入的语句转换成向量形式，随后将生成的向量与对应的注意力权重相乘，产生加权的上下文向量；通过注意力机制在处理图像数据时，注意力机制用来识别和强化关键的视觉信息，进一步定位引起用户关注的区域，结合VGG16模型，注意力机制透过分析特征图内部各空间位置的关联性矩阵，提取图像的重要上下文特征； 所述基于K近邻的用户服务使用记录挖掘方法具体包括以下步骤： 步骤2.1、基于用户以往的浏览记录，找出用户可能访问的下一个服务：通过计算用户历史浏览记录即用户序列与其他序列之间的共有访问服务数量与总访问服务数量的比例来衡量相似度，公式为： sims,n＝|s∩n||s∪n| 其中s表示当前用户序列，n表示文本数据和图像数据中的其他序列； 步骤2.2、通过相似度评分，筛选出与用户序列最接近的K个序列，形成当前序列的近邻序列集合Ns； 步骤2.3、根据服务在近邻序列集合Ns中出现的频率为服务赋分值，得到服务的长期评分S2i； 步骤2.4、将步骤2.3得到的长期评分与短期评分S1i相结合，得出服务的综合评分Si； 步骤2.5、按照综合评分Si的高低进行排序，并为用户匹配评分最高的前K项服务，服务总评分Si的表达式为： Si＝S1i+S2i。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。