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！

龙图腾网获悉扬州大学申请的专利一种基于PNN的多特征扩展自编码器推荐算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：CN116932917B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202311018096.X，技术领域涉及：G06F16/9535；该发明授权一种基于PNN的多特征扩展自编码器推荐算法是由朱毅;耿宜帅;李云;强继朋;袁运浩设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本一种基于PNN的多特征扩展自编码器推荐算法在说明书摘要公布了：本发明公开了个性化数据推荐研究领域的一种基于PNN的多特征扩展自编码器推荐算法，包括如下步骤：通过开放知识图谱DBpedia扩展项目的辅助特征信息；将扩展的特征信息进行LsiModel向量化表示，并利用PNN进行特征交叉融合，挖掘不同特征之前的潜在特征关系，将其嵌入到低维特征向量中；将评级信息、属性信息和扩展到特征信息合并到半自编码器，通过半自编码器提取鲁棒的特征表示，帮助评级矩阵更好地重构输出，与原始的评分矩阵进行对比，计算预测精度，实现更加精确的推荐。本发明利用知识图谱对项目特征信息进行扩展，并有效融合不同特征之间的特征关联，通过半自编码器学习更高级的特征表示，达到为用户进行更准确推荐的目的。

本发明授权一种基于PNN的多特征扩展自编码器推荐算法在权利要求书中公布了：1.一种基于PNN的多特征扩展自编码器推荐算法，其特征在于，包括如下步骤： 步骤1：通过开放知识图谱DBpedia扩展项目的辅助特征信息； 步骤2：将扩展的特征信息进行LsiModel向量化表示，并利用PNN进行特征交叉融合，挖掘不同特征之前的潜在特征关系，将其嵌入到低维特征向量中；包括如下分步骤： 步骤2.1：将获取到的电影语言信息和导演信息使用LsiModel实现特征向量化表示，得到语言向量EL以及导演向量ED，具体包括以下步骤： 步骤2.1.1：分别对语言信息和导演信息创建词-文档矩阵，包括对文本数据进行预处理，包括分词、去除停用词和标点符号，同时构建矩阵并统计矩阵中对应词在文档中出现频率，设置词权重； 步骤2.1.2：对词-文档矩阵进行奇异值分解，计算公式如1所示， 1， 其中，U是一个词-主题矩阵，每个元素表示词与主题的相关度，Σ是对角矩阵，表示主题的重要性，VT是一个主题-文档矩阵的转置，表示主题与文档的相关度； 步骤2.1.3：实际需求，选择保留的主题数量，将词-主题矩阵和主题-文档矩阵进行降维，将词-主题矩阵和主题-文档矩阵相乘得到原始电影信息和导演信息的向量化表示，得到语言向量EL以及导演向量ED； 步骤2.2：利用基于积的神经网络PNN对步骤2.1所扩展的电影语言和导演特征向量进行交叉融合，具体包括以下步骤： 步骤2.2.1：将语言特征向量和导演特征向量通过嵌入层映射为低维稠密向量，得到语言嵌入向量xu和导演嵌入向量xi，并利用两个向量进行内积操作，得到交叉特征向量，计算公式如2所示， 2， 步骤2.2.2：将交叉特征向量xui作为输入，进行多项式池化操作，通过多项式函数将所有交叉项组合起来，假设xui长度为d，多项式池化操作将生成一组新的特征向量vk，其中，k表示交叉项的阶数，计算公式如3所示， 3， 其中，Wk为对应的权重矩阵； 步骤2.2.3：将多项化池化层的输入vk作为输入，通过全连接层进行进一步的非线性变换和特征提取，得到最终的特征交叉融合的向量X； 步骤3：将评级信息、属性信息和扩展到特征信息合并到半自编码器，通过半自编码器提取鲁棒的特征表示，帮助评级矩阵更好地重构输出，与原始的评分矩阵进行对比，计算预测精度，实现更加精确的推荐。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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。