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！

龙图腾网获悉中国人民大学申请的专利一种推荐系统中的通用商品序列表征学习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：CN115408988B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211109840.2，技术领域涉及：G06F40/126；该发明授权一种推荐系统中的通用商品序列表征学习方法是由赵鑫;侯宇蓬;牟善磊;文继荣设计研发完成，并于2022-09-13向国家知识产权局提交的专利申请。

本一种推荐系统中的通用商品序列表征学习方法在说明书摘要公布了：本发明公开了一种推荐系统中的通用商品序列表征学习方法，包括如下步骤：S1：使用预训练语言模型编码商品的关联文本从而学习可迁移的商品表征；首先使用预训练语言模型来学习初始文本表征，通过参数白化网络和混合专家增强的适配器网络将文本的语义转换至一个适用于推荐任务的统一的语义空间；S2：通过序列‑商品对比任务和序列‑序列对比任务来进一步增强不同领域数据表示之间的融合与适配；S3：根据目标领域的商品标号是否适合使用，而考虑两种微调设定，即归纳和转导。本发明提出的商品序列表征学习方法，可以在多个领域的序列数据上同时学习通用表征，并高效地迁移到新领域、新市场、新平台等新的推荐场景中，而无需共享的用户或商品。

本发明授权一种推荐系统中的通用商品序列表征学习方法在权利要求书中公布了：1.一种推荐系统中的通用商品序列表征学习方法，其特征在于，包括如下步骤： S1：学习通用的基于文本的商品表征：使用预训练语言模型编码商品的关联文本从而学习可迁移的商品表征；首先使用预训练语言模型来学习初始文本表征，通过参数白化网络和混合专家增强的适配器网络将文本的语义转换至一个适用于推荐任务的统一的语义空间； S2：学习通用的商品序列表征：通过序列-商品对比任务和序列-序列对比任务来进一步增强不同领域数据表示之间的融合与适配； S3：参数的微调：根据目标领域的商品标号是否适合使用，选择微调方式，当目标领域的商品标号不适合使用时采用归纳微调，当目标领域的商品标号适合使用时采用转导微调； 步骤S2中所述序列-商品对比任务具体为： 序列-商品对比任务用于捕捉序列语义和潜在的下一个商品之间的内在联系，对于给定的序列，采用各个领域的商品作为负样本，设置一个批次包括B个训练样例，每个训练样例包含商品序列和下时刻商品；首先将训练样例编码为表征，代表经过归一化的序列表征，代表下时刻商品的归一化后表征；对比学习的损失函数可以被表示为： ； 同一训练批次的商品被当作负样本，是温度参数；同批次的负样本包含多个领域的商品；表示序列-商品的对比损失，表示批次中的第个序列经过归一化的表征，表示批次中的第个下时刻商品经过归一化的表征，和是标识批次中序列和下时刻商品的标号； 步骤S2中所述序列-序列对比任务具体为： 通过构建多个领域商品序列之间的对比，提出了一个序列级别的预训练任务；序列级别的预训练任务目标是从多个领域的序列中判别出数据增强过的商品序列；通过随机删除商品文本中的单词进行数据增强；给定一个目标序列，数据增强的序列被认为是正样本，而同批次的其他序列被认为是负样本；序列-序列对比学习损失函数可以被表示为： ； 同批次的负例包含了多个领域的序列；表示序列-序列的对比损失，表示批次中的第个序列经过归一化的表征。

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中国人民大学，其通讯地址为：100872 北京市海淀区中关村大街59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。