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！

龙图腾网获悉安徽大学申请的专利一种基于进化多任务的大规模用户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：CN116127201B 。

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：202310167737.1，技术领域涉及：G06F16/9536；该发明授权一种基于进化多任务的大规模用户推荐方法是由马海平;胡以葳;田野设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本一种基于进化多任务的大规模用户推荐方法在说明书摘要公布了：本发明公开了一种基于进化多任务的大规模用户推荐方法，包括：步骤1、获取用户和物品交互数据集，步骤2、通过构建神经网络算法挖掘用户对物品的偏好得分，得到用户对物品的评分矩阵；步骤3：通过聚类对用户进行分组，将偏好兴趣相似的用户作为同一类别；步骤4、初始化生成多任务种群；步骤5、在同一用户组之内进行个体之间的信息迁移，在不同用户组之间进行种群之间的信息迁移，并通过环境选择迭代选取最优用户解决方案，最终选出最优解作为该用户的推荐列表。本发明能减少大规模用户推荐优化问题中所耗费的时间和空间，并通过聚类技术提高对用户推荐结果预测的准确性。

本发明授权一种基于进化多任务的大规模用户推荐方法在权利要求书中公布了：1.一种基于进化多任务的大规模用户推荐方法，其特征在于，是按如下步骤进行： 步骤一、获取用户和物品的相关数据： 获取用户集，其中，表示用户数量，表示号用户； 获取物品集，其中，表示物品数量，表示第个物品； 获取用户物品交互数据集，并将每一个用户和物品的交互数据作为正样本，随机采集用户未交互过的物品作为负样本； 步骤二、通过预测模型获取用户对物品的评分矩阵，所述预测模型包括：编码层、全连接层、注意力交互层、交互输出层、预测层； 步骤2.1、所述编码层对号用户和第i个物品进行one-hot编码，得到号用户的稀疏向量和物品的稀疏向量，之后将两个稀疏向量分别映射到维向量后，再通过所述全连接层的映射，得到号用户的表征向量和第i个物品的表征向量； 步骤2.2、所述注意力交互层对与进行处理，并输出注意力向量； 步骤2.3、所述交互输出层将与拼接后，再与注意力向量进行点乘后，得到号用户与第i个物品的交互向量； 步骤2.4、所述预测层对交互向量进行多层全连接处理后，输出预测的交互得分； 步骤2.5、以最小化预测的交互得分的均方误差为损失函数，并使用Adam算法对所述预测模型进行优化，直到达到最大迭代次数为止，从而得到最优预测模型及其输出的每个用户对于每个物品预测的交互得分矩阵； 步骤三、设聚类数目为，表示候选物品的个数，选取号用户的前个偏好的物品作为候选物品集合，并统计各用户的候选物品集合中相同物品的个数作为相应用户之间的相似度；通过聚类算法将相似度相近的用户作为一类，从而将个用户分为组类别，并得到用户集合，表示第组类别的用户组，且；表示中的第个用户； 步骤四、种群初始化： 步骤4.1、定义当前迭代次数为，最大迭代次数为，令为种群个体数，采用实数制将第组类别的用户组中每一个用户的个推荐结果分别编码为一个长度为的个体，且个体的每一个决策变量代表推荐物品的序号；从而由一个用户的个推荐结果构成一个种群，令第个用户的个推荐结果记为第代第个种群，则第组类别的用户组中的所有第代种群记为； 将中第个用户的第个推荐结果记为第代第个种群中第个个体，且；表示第代第个用户的第个推荐结果中第t个推荐物品的序号； 步骤4.2、根据每个用户对于每个物品预测的交互得分矩阵，从第个用户的候选物品集合中随机选取个不重复物品的序号用于对进行初始化； 步骤4.3、利用式1获得第代第个用户的第个推荐结果的准确率指标： 1 式1中，表示第个用户对序号所对应的物品的评分； 利用式2获得第代第个用户的第个推荐结果的新颖率指标： 2 式2中，表示序号所对应的物品的受欢迎程度； 利用式3获得第代第个用户的第个推荐结果的多样性指标： 3 式3中，表示序号所对应的物品的类别标签，表示用户物品交互数据集中所有物品的类别标签； 利用式4构建第代多目标优化函数： 4 步骤5、在同一用户组之间进行个体之间的信息迁移，在不同用户组之间进行种群之间的信息迁移，并通过环境选择迭代选取最优用户解决方案； 步骤5.1、同一用户组之间进行个体之间的信息迁移： 步骤5.1.1、基于式4，使用二元竞标赛法选择法从中选择个推荐结果参与进化，得到第代交配池； 步骤5.1.2、从第代交配池中选取第代两个推荐结果分别记为和并进行交叉操作，得到两个第代交叉推荐结果，；其中，表示中第t个推荐物品的序号，表示中第t个推荐物品的序号； 步骤5.1.3、以概率进行变异操作： 随机从中选择一个数，从对应所属用户的候选物品集合中随机选择一个与中第个推荐物品的序号不同的物品序号进行替换，从而得到的第代变异推荐结果； 步骤5.1.4、对第代交配池中所有推荐结果按照步骤5.1.2-步骤5.1.3进行交叉和变异操作之后，得到第代所有种群的变异推荐结果，将与合并成第组类别的用户组的第代个新种群，并通过式4衡量第代个新种群中每个推荐结果的适应度值，从而通过非支配排序和拥挤距离对第代个新种群进行环境选择，并保留最优的个推荐结果作为第代第个种群； 步骤5.2、在不同用户组之间进行种群之间的信息迁移： 若第代第个用户中超过一半的推荐结果连续多代都没有改变，则计算第组类别的用户组与其他组类别的用户组之间的相似度，并选择相似度最高的用户组用于与第代第个用户的所有推荐结果之间进行交叉和变异操作，从而按照步骤步骤5.1.4的过程得到第代第个种群； 步骤5.3、将赋值给后，判断是否达到，若未达到，则返回步骤4.3顺序执行，否则，从第L代第个种群中任选一个个体作为第组类别的用户组中第个用户的一条推荐结果。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。