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！

龙图腾网获悉浙江工业大学申请的专利基于偏见注意力的视频推荐系统历史偏见缓解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：CN115661445B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211325574.7，技术领域涉及：G06V10/25；该发明授权基于偏见注意力的视频推荐系统历史偏见缓解方法是由郑海斌;曹志骐;陈晋音;刘嘉威;郑雅羽设计研发完成，并于2022-10-27向国家知识产权局提交的专利申请。

本基于偏见注意力的视频推荐系统历史偏见缓解方法在说明书摘要公布了：基于偏见注意力的视频推荐历史偏见缓解方法，包括：1数据预处理；2查找偏见神经元；3计算偏见掩模；4计算偏见注意力掩模；5输出添加偏见注意力掩模；6对每一层都重复步骤2、3、4和5，直至所有层都经过去偏操作处理，至输出层结束。本发明避免了海量数据造成的高计算复杂度问题；偏见注意力在不改变正常神经元激活值的前提下，抑制了偏见神经元的激活输出，能够有效抵消偏见神经元造成的偏见行为。

本发明授权基于偏见注意力的视频推荐系统历史偏见缓解方法在权利要求书中公布了：1.基于偏见注意力的视频推荐历史偏见缓解方法，包括如下步骤： 1数据预处理； 2查找偏见神经元； 3计算偏见掩模； 4计算偏见注意力掩模； 5输出添加偏见注意力掩模； 6对每一层都重复步骤2、3、4和5，直至所有层都经过去偏操作处理，至输出层结束； 步骤1具体包括：获取视频推荐系统数据的敏感属性，将该视频推荐系统数据的敏感属性值进行翻转，然后对原始数据敏感属性样本和翻转后的敏感属性样本进行组合，生成敏感属性的原样本对；在原样本对的基础上对其中除敏感属性之外的其他属性值添加不同大小扰动，获得原样本对附近的扰动样本对，最后将原样本对和扰动样本对按比例组合得到扩散样本对； 步骤2具体包括：将步骤1中生成的扩散样本对输入到模型中，计算每一层的激活值差异的平均值，按照差异均值大小排序找到偏见神经元； 2-1计算激活值差异的平均值； 每一层神经元激活值： z＝wx+b1 其中，z是神经元激活值，w是指该层神经元的权重，x是指输入特征，b则是该层神经元的偏差； 扩散样本对D的激活值差异的平均值Z计算公式： 其中，m+1是指原样本对W与扰动样本对V划分比例的总和，则是指原样本对W激活值差异取平均值，则是指扰动样本对V激活值差异取平均值，|zi-zi'|是指敏感属性原样本对W中翻转后的神经元激活值差异值，|zj-zj'|是指敏感属性扰动样本对V中翻转后的神经元激活值差异值； 2-2对激活值差异的平均值Z进行从大到小排序，针对激活值差异均值基于正则化采样的自适应算法进行优化采样，对采样后的值进行降序排序，找到TOPk个神经元，标记为偏见神经元； 正则化自适应采样步长初始值； 其中，fl是指向下取整函数，sum是指每一层中所有神经元激活值差异均值的总数，k则是从该层神经元激活值差异均值中所需要取出的个数； 正则化自适应采样步长，每次取出一个神经元激活值差异均值后，将包含sum个神经元激活值差异均值的raw数组中正则采样一个神经元激活值差异均值到new数组中，直到取出所有值； new[j]＝raw[i]4 sj+1＝sj-step5 其中，j是指正则采样的new数组中元素的位置，j＝0且jk，每计算一次后j＝j+1，i是指raw数组中元素的位置，每次计算初值为i＝step-1，每计算一次后i＝i+step，ro是指四舍五入函数，s的初始值为每一层神经元激活值差异均值的总数sum； 对基于正则化采样的自适应算法采样后的值进行降序排序，从排序后的结果中找到TOPk个神经元，标记为偏见神经元，其中k的值为总神经元个数的2％； 步骤3具体包括：将步骤2中的偏见神经元的激活值差异的平均值进行归一化，并值赋给零向量中对应位置的元素后，按照通道方向取均值，计算得到偏见掩模； 3-1建立一个空向量与对应偏见神经元层的输出特征尺寸相同，并对空向量中的每个元素赋值为0，得到一个零向量； 3-2将步骤2中偏见神经元的激活值差异的平均值进行归一化，再将归一化后的值赋给零向量中对应偏见神经元位置的元素，得到新的含有偏见神经元元素的向量； 3-3将步骤3-2中含有偏见神经元元素的向量按照通道方向取均值，得到尺寸为1*H'*W'的偏见掩模； 步骤4具体包括：将步骤3中获得的偏见掩模进行reshape和矩阵变换操作，计算得到偏见注意力掩模； 4-1对偏见掩模进行reshape操作，得到1*s1尺寸的矩阵B，其中s1＝H'*W'，再将矩阵B转置得到矩阵BT，矩阵相乘得到BTB，尺寸为s1*s1，然后对矩阵BTB按列计算矩阵中每列的均值，得到矩阵C'，尺寸为1*s1； 4-2计算得到偏见注意力掩模； MaskAtt＝1-C7 其中，MaskAtt的尺寸为1*H'*W'，C是指尺寸为1*H'*W'的向量； 步骤5具体包括：将偏见注意力掩模叠加到该层的输出并输入至下一层； outputnew＝outputraw+MaskAtt8 其中，outputnew是指添加了偏见注意力掩模MaskAtt后得到的层输出结果，outputraw则是未添加偏见注意力掩模MaskAtt含有偏见的原层输出结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。