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！

龙图腾网获悉福州大学申请的专利一种融合交叉网络和特征重要性选择的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：CN118427442B 。

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：202410649171.0，技术领域涉及：G06F16/9535；该发明授权一种融合交叉网络和特征重要性选择的推荐方法是由林志贤;师欣雨;林珊玲;林坚普;吕珊红;张建豪;蔡忠祺;王廷雨;刘珂设计研发完成，并于2024-05-23向国家知识产权局提交的专利申请。

本一种融合交叉网络和特征重要性选择的推荐方法在说明书摘要公布了：本发明涉及一种融合交叉网络和特征重要性选择的推荐方法，属于智能推荐领域。包括：构建数据集，将数据进行编码，为每一个用户和项目分配一个初始向量；将初始向量采用SENet网络进行加权处理并通过双线性特征交互层，获得对应更新后的部分向量1；将初始向量通过双线性特征交互层，获得对应更新后的部分向量2；将部分向量1和部分向量2一起输入到并行的交叉网络和深度神经网络进行二次处理；在二次处理后，采用bridge模块强化显式和隐式特征之间的信息，获得对应拼接向量；将得到的拼接向量和二次处理后的向量进行线性整合通过激活函数得到最终的预测概率，生成推荐结果。本发明能够在推荐过程中获得更多的特征交互信息以及对特征进行重要性选择。

本发明授权一种融合交叉网络和特征重要性选择的推荐方法在权利要求书中公布了：1.一种融合交叉网络和特征重要性选择的推荐方法，其特征在于，包括： S1、对数据集进行预处理，为每一个用户和项目构建一个初始向量； S2、将初始向量采用特征选择网络SENet进行加权处理并通过双线性特征交互层，获得对应更新后的部分向量1； S3、将初始向量通过双线性特征交互层，获得对应更新后的部分向量2； S4、将部分向量1和部分向量2一起输入到并行的交叉网络和深度神经网络进行二次处理，挖掘出更丰富的特征组合向量； S5、在二次处理后，采用桥接模块强化显式和隐式特征之间的信息，获得对应拼接向量； S6、将得到的拼接向量和二次处理后的向量进行线性整合通过激活函数得到最终的预测概率，生成推荐结果； 所述获得对应更新后的部分向量1的具体过程包括：基于全局平均池化的思想对每个经过嵌入处理后的低维密集向量进行压缩，并求均值，得到全局特征向量；基于全局特征向量获取每个特征的重要性权重；基于重要性权重获得每个特征重新加权后的输出向量；基于双线性特征交互层获取更新后的部分向量1； 所述步骤S2具体实现如下： SENet首先通过压缩阶段，将每个经过嵌入处理后的低维密集向量进行压缩，并求均值，以表示相关的特征信息，其通过公式得到，其中，ei表示初始向量中第i个向量，t表示样本索引，即在一批数据或多个实例中的不同样本，k表示的是向量维度，将初始向量E＝[e1,…,ef]转变为Z＝[z1,…,zf]；然后通过激发阶段，即利用压缩阶段计算得到的Z去学习每个特征对应的权重，学习方式通过两层全连接层来进行特征交互，公式为A＝FexZ＝σ2W2σ1W1Z，其中r即压缩比例，σ1和σ2是非线性激活函数，得到A＝[a1,…,af]；最后通过重新校准阶段，将激发阶段中得到的权重大小与对应的经过嵌入处理后的特征相乘，完成特征重要性的加权操作，公式为V＝FReWeightA，E＝[a1·e1,…,af·ef]＝[v1,…,vf]；将加权后的特征向量V输入双线性特征交互层，双线性特征交互层中结合内积和哈达玛积并引入一个额外的参数矩阵来学习特征交叉，公式为pij＝vi·W⊙vj，其中W为参数矩阵。

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福州大学，其通讯地址为：362251 福建省泉州市晋江市金井镇水城路1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。