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一种基于长短期偏好的科技情报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：CN117150113B 。

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：202310625164.2，技术领域涉及：G06F16/9535；该发明授权一种基于长短期偏好的科技情报推荐方法是由张俊辉;张华平;商建云设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种基于长短期偏好的科技情报推荐方法在说明书摘要公布了：本发明涉及一种基于长短期偏好的科技情报推荐方法，属于推荐系统领域，可用于为用户提供个性化的科技情报推荐。该方法包括：利用多头自注意力机制分别提取情报标题和摘要的表示，然后结合情报来源表示以获取更准确的情报表示；采用长短期记忆网络和用户ID嵌入的方法学习长短期偏好表示；以及将长短期偏好表示与情报表示相结合，计算推荐得分，从而实现个性化的科技情报推荐。本发明解决了现有推荐系统在情报表示方面的不足以及在捕捉用户长短期兴趣方面不精确的问题，可以在推荐过程中捕捉到新颖性和突发性的科技情报，适用于国防、科研、教育等领域的情报推荐场景，有助于提高情报工作人员的工作效率，促进知识传播和技术创新。

本发明授权一种基于长短期偏好的科技情报推荐方法在权利要求书中公布了：1.一种基于长短期偏好的科技情报推荐方法，其特征在于：所述方法包括步骤S1，定义编码器；包括将情报标题从单词序列转换成低维语义向量序列，具体方法是：通过词嵌入查找表将情报标题的单词序列[w1,w2,...,wN]，转换为一个单词向量序列[e1,e2,...,eN]，其中N是该标题的长度，其中V和D分别是词汇量和词嵌入维度；使用多头自注意力网络捕获词与词之间的相互作用来学习单词的上下文表征，第k个注意力头学习的第i个单词的表示计算为： 其中，和是第k个自我注意力头中的投影参数，表示第i个和第j个词之间互动的相对重要性，第i个词的多头表征是由h个独立的自我注意力头产生的表征的串联，即使用注意力机制来选择情报标题中的重要词汇，情报标题中第i个词的注意力权重的计算方法是： 其中，Vw和vw是投影参数，qw是查询向量，情报标题的最终表示为单词的上下文表征的加权和，即 步骤S2，通过情报编码器将情报编码为e＝[rs,rt,ra]，其中，rs为情报来源表示，rt为情报标题表示，ra为情报摘要表示； 步骤S2包括对情报摘要进行编码，具体方式是将情报摘要的单词序列表示为[w1,w2,...,wM]，其中M是摘要的长度，再通过词嵌入层，将其转换为一个单词向量序列[e1,e2,...,eM]；使用多头自注意力网络，将单词向量序列作为网络的输入，通过捕获单词间的相互作用来学习上下文词表示使用注意力网络计算每次单词的注意力权重，通过对摘要单词的上下文表示进行加权和得到情报摘要表示，即对情报来源进行编码，具体方式是使用ID嵌入方法将情报来源的离散表示vs转换为低维密集表示es；使用全连接层从来源嵌入中学习隐藏的来源表示，计算方式为rs＝ReLuVs×es+vs，其中Vs和vs为全连接层的参数；以及将情报标题表示、情报摘要表示和情报来源表示进行拼接，得到情报表示，即e＝[rs,rt,ra]； 步骤S3，使用用户ID嵌入的方法来表示用户的长期偏好，用户长期偏好表示为ul＝Wu[u]，其中ul作为LSTM网络的初始状态，使用LSTM网络从用户的情报整编历史记录中学习到用户长短期表示u； 步骤S4，通过计算候选情报表示向量与用户表示向量的点积，作为推荐分数。

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”。