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！

龙图腾网获悉南京大学申请的专利一种基于多模态对比学习的离线强化学习商品推荐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：CN117112902B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202311106875.5，技术领域涉及：G06F16/9535；该发明授权一种基于多模态对比学习的离线强化学习商品推荐系统是由詹德川;叶翰嘉;韩路;陶博文;周志华设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本一种基于多模态对比学习的离线强化学习商品推荐系统在说明书摘要公布了：本发明公开一种基于多模态对比学习算法的离线强化学习商品推荐系统，首先获取商品的相关图像、描述商品的文字以及其他商品的相关特征，通过对比学习算法融合多个模态的信息，得到商品的特征表示；将商品推荐过程建模为强化学习问题，通过用户曾经产生行为的商品特征和用户的基本信息得到用户的状态，系统推荐的商品作为动作，用户对于推荐的商品的反馈作为奖赏。利用离线强化学习算法在现有用户行为日志数据上进行训练，得到推荐系统的策略。本发明利用对比学习算法综合多个模态的信息构造物品的特征，在将推荐系统建模为强化学习问题的前提下，通过离线强化学习算法得到了推荐策略，使得商品推荐系统能够更好地完成推荐任务。

本发明授权一种基于多模态对比学习的离线强化学习商品推荐系统在权利要求书中公布了：1.一种基于多模态对比学习的离线强化学习商品推荐系统，其特征在于，包括多模态信息获取模块、模型构建模块和商品信息推荐模块； 所述多模态信息获取模块利用对比学习综合商品多模态信息获取特征表示； 所述模型构建模块将商品推荐系统建模为强化学习问题； 所述商品信息推荐模块，利用离线强化学习算法生成商品信息推荐策略； 所述多模态信息获取模块，利用对比学习综合商品多模态信息获取特征表示的实现过程具体为： 步骤100，收集商品图像、描述商品的文字和商品基本特征的多模态信息； 步骤101，对描述商品的文字信息通过翻译工具翻译成另一种语言，再把所述另一种语言翻译回原来的语言，得到一段意思相近但表达方式不同的文本信息，这段文本信息与原有的商品图像和商品基本特征构成正样本； 步骤102，对描述商品的文字信息进行文本特征提取，得到TF-IDF特征表示，根据TF-IDF特征表示在商品文本库中搜索得到相似的描述商品文本字信，所述相似的描述商品文本字信与原有的商品图像和商品基本特征构成负样本； 步骤103，对商品基本特征按照非零值个数进行排序，从最稀疏的特征开始，依次与后面的特征计算同时为非零值的比例，如果互斥程度低于阈值，将两个特征同时加入一个互斥特征集合中，重复本步骤，直到所有特征都加入互斥特征集合；对于在同一个互斥特征集合中的特征，可以将商品原有基本特征中的某一个特征改变为与该特征在同一互斥特征集合中的特征，改变后的商品基本特征和原有的商品图像和描述商品的文字构成负样本； 步骤104，根据步骤101构造的正样本，与原始商品样本组成正样本对，根据步骤102和步骤103构造的负样本对与原始商品样本组成负样本对，应用对比学习损失使得同一商品样本的不同模态特征之间的相似度最大化，不同商品样本特征之间的相似度最小化，获得商品的特征表示； 所述模型构建模块将商品推荐系统建模为强化学习问题的实现流程具体为： 步骤200，收集用户日志，包括用户的基本信息和用户对商品的行为记录信息； 步骤201，从用户日志中提取用户基本信息和用户产生行为的商品，并获取商品的特征表示，通过在某一时刻t之前用户的基本信息和商品特征表示得到用户在当前时刻的状态S_t； 步骤202，在用户日志中查找用户在下一时刻产生行为的商品，并在全部商品中随机挑选商品，共同构成推荐系统为该用户生成的商品推荐列表，认为是商品推荐系统执行的动作a； 步骤203，根据用户日志在当前时刻之后的产生行为的商品和推荐列表中商品的交集，可以得到用户对该推荐列表的满意程度，交集元素的数量与推荐列表中商品数量的比值视为奖赏r； 步骤204，用户在与商品推荐列表产生交互后，根据日志在下一时刻之前用户产生行为的商品和用户的基本信息，构成用户在下一时刻的状态S_t+1。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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”。

以上内容由龙图腾AI智能生成。