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！

龙图腾网获悉东北大学申请的专利一种基于因果推断与偏好演化的跨域序列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：CN121350366B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511928367.4，技术领域涉及：G06F16/9536；该发明授权一种基于因果推断与偏好演化的跨域序列推荐方法是由马家璇;胡永;蒲家明;寇月设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种基于因果推断与偏好演化的跨域序列推荐方法在说明书摘要公布了：本发明属于跨域序列推荐技术领域，公开一种基于因果推断与偏好演化的跨域序列推荐方法。通过基于跨域共现频率设计的提示词模板，用大语言模型增强物品语义信息。通过领域特定兴趣演化模型进行域内序列偏好学习得到域内偏好；通过时序–领域双条件混合专家机制进行跨域序列偏好学习得到跨域偏好。设计因果去偏将用户域内偏好、用户跨域偏好与用户域内活跃度、跨域活跃度解耦，并用于生成推荐，提升跨域推荐结果的准确性。本方法借助因果增强的偏好学习机制，有效解决了现有方法的局限性，在单域和跨域序列推荐基准测试中均取得了最先进的性能。

本发明授权一种基于因果推断与偏好演化的跨域序列推荐方法在权利要求书中公布了：1.一种基于因果推断与偏好演化的跨域序列推荐方法，其特征在于，包括步骤如下： 步骤1，获取用户域内交互序列和跨域交互序列，统计跨域共现频率； 步骤2，基于跨域共现频率设计提示词模板，并用大语言模型增强物品语义信息，得到物品语义嵌入向量； 所述提示词模板具体为：要求大语言模型结合物品自身信息，再结合跨域共现关系生成描述；对于跨域共现频率大于设定阈值的高频物品共现对，令大语言模型挖掘其共享使用场景和互补属性；对于跨域共现频率不超过设定阈值的低频物品共现对，则令大语言模型分析其场景关联描述；大语言模型综合以上所有信息生成不超过最大限制字数的物品增强语义信息，并基于该物品增强语义信息生成物品语义嵌入向量； 步骤3，基于物品语义嵌入向量，通过领域特定兴趣演化模型进行域内序列偏好学习得到域内偏好；通过时序–领域双条件混合专家机制进行跨域序列偏好学习得到跨域偏好； 步骤4，将域内交互序列和跨域交互序列分别以固定时间为一个时间窗口，统计每个时间窗口内的交互总次数，以所有时间窗口统计交互总次数中的全局最大值为标准，分别对域内交互次数和跨域交互次数进行归一化处理，得到的归一化结果作为用户动态变化的域内活跃度和跨域活跃度； 步骤5，基于域内偏好、跨域偏好、域内活跃度、跨域活跃度进行因果去偏，生成推荐； 所述跨域交互序列由两部分组成：一是用户与跨域物品交互的跨域行为序列，二是由每个交互发生时间构成的跨域时间序列；依据时序–领域双条件混合专家机制，从跨域交互序列中分别提取并建模跨域行为序列和跨域时间序列，进而学习动态的用户跨域偏好； 具体地，首先将物品语义嵌入向量经过线性变换适应到推荐任务，公式如下： 其中，表示物品语义嵌入向量中第个物品的嵌入向量，表示第个物品经过上述线性变换后，用于推荐任务的全局嵌入表示；和分别为不同层线性变化的权重矩阵；和分别为不同层线性变换的偏置向量；采用自注意力机制，将跨域行为序列建模得到跨域行为嵌入，对跨域时间序列采用时序编码得到原始跨域时间嵌入； 对跨域时间序列中每个绝对时间戳学习得到绝对时间嵌入，采用二元领域标识符生成领域嵌入，0为源域，1为目标域；将领域嵌入与绝对时间嵌入融合，作为时序–领域双条件混合专家机制的门控权重，通过专家的加权融合，最终输出一个在统一时间尺度上调整后的跨域时间嵌入；将跨域行为嵌入和调整后的跨域时间嵌入拼接得到跨域偏好表示。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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。