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！

龙图腾网获悉重庆邮电大学申请的专利一种基于注意力和分层候选用户兴趣的新闻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：CN117194784B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311155625.0，技术领域涉及：G06F16/9535；该发明授权一种基于注意力和分层候选用户兴趣的新闻推荐系统是由甘玲;林少瑜设计研发完成，并于2023-09-07向国家知识产权局提交的专利申请。

本一种基于注意力和分层候选用户兴趣的新闻推荐系统在说明书摘要公布了：本发明涉及一种基于注意力和分层候选用户兴趣的新闻推荐系统，属于自然语言处理领域，包括新闻编码器、用户编码器和兴趣匹配模块；所述新闻编码器采用trnasformer结合注意力的方式来学习新闻文本表示，对新闻文本进行多粒度的特征提取，获取语义信息，同时结合分成兴趣树进行多粒度兴趣捕捉，与候选新闻匹配；所述用户编码器利用新闻类别标签来构建分层的用户兴趣表示，并通过学习一个层次化的兴趣树来捕捉多样化和多层次的用户兴趣；所述兴趣匹配模块采用候选新闻和分层用户兴趣表示作为输入，计算用户级兴趣得分。

本发明授权一种基于注意力和分层候选用户兴趣的新闻推荐系统在权利要求书中公布了：1.一种基于注意力和分层候选用户兴趣的新闻推荐系统，其特征在于：包括新闻编码器、用户编码器和兴趣匹配模块； 所述新闻编码器采用trnasformer结合注意力的方式来学习新闻文本表示，对新闻文本进行多粒度的特征提取，获取语义信息，同时结合分层兴趣树进行多粒度兴趣捕捉，与候选新闻匹配； 所述用户编码器利用新闻类别标签来构建分层的用户兴趣表示，并通过学习一个层次化的兴趣树来捕捉多样化和多层次的用户兴趣； 所述兴趣匹配模块采用候选新闻和分层用户兴趣表示作为输入，计算用户级兴趣得分； 针对第t种新闻文本的类型采用新闻编码器从Tji来学习特定类型的新闻嵌入ti，Tji是第i个点击新闻的第j个文本嵌入序列； 所述新闻编码器的底层是单词嵌入，它将新闻标题中的单词、新闻的主题和子主题以及新闻的摘要转换为低维嵌入向量序列；下一层是transformer，用于形成上下文单词表征；最后采用一个词级注意力网络来模拟不同单词的相对重要性，并将它们聚合在一起； 第i个单词的注意力权重βiw计算为： 其中，qw，Uw，uw是单词注意力网络中的可训练参数，hi表示第i个单词的多头表示； 所述用户编码器中层次化的兴趣树分为三层，分别是子主题层，主题层和用户层； 子主题层采用一个候选感知CNN网络和一个候选感知注意力网络学习用户兴趣表示；所述候选感知注意力网络通过候选新闻来调整行为情境的注意力权重，以选择重要的新闻；所述候选感知CNN网络利用候选新闻信息捕捉相邻点击之间的本地上下文； 主题层用户兴趣表示由同一个主题的d个子主题层的表示得到； 用户层中用户的整体兴趣由各个主题层表示聚合而成； 所述候选感知注意力网络首先将多个自我关注头应用于点击相关性模型： 其中，Qu是投影矩阵，是第k个注意头的参数，表示用户最近的N个点击； 所述候选感知CNN网络应用多个过滤器来捕捉相邻点击和候选新闻的上下文之间的潜在模式： Si＝Wc[ci-h；...；ci；...；ci+h；nc] 其中Si表示第i次点击的上下文表示，2h+1是CNN网络的窗口大小，表示用户最近的N个点击，Wc表示CNN网络中过滤器的参数； 所述主题层中，对于主题i，用户兴趣表示如下所示： 其中Zi表示第i个主题组，是对应的子主题组s的表示；是由子主题s的表示和点击数量的嵌入联合得到的，βj是的关注权重； 所述用户层中，权重取决于主题组表示和该主题下被点击的新闻数量，如下所示： 其中αi表示第i个主题层表示的注意力权重； 所述兴趣匹配模块采用候选新闻和分层用户兴趣表示作为输入；所述候选新闻包括其表示nc、主题tc和子主题sc；首先将候选新闻与整体用户兴趣相匹配，并根据nc和ug之间的相关性计算用户级兴趣得分og：og＝nc·ug。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。