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！

龙图腾网获悉天津大学申请的专利一种基于内容与兴趣学习的短视频推荐方法及装置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：CN115329135B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202211004970.X，技术领域涉及：G06F16/783；该发明授权一种基于内容与兴趣学习的短视频推荐方法及装置是由张静;刘先燚;王骥;井佩光;苏育挺设计研发完成，并于2022-08-22向国家知识产权局提交的专利申请。

本一种基于内容与兴趣学习的短视频推荐方法及装置在说明书摘要公布了：本发明公开了一种基于内容与兴趣学习的短视频推荐方法及装置，方法包括：构建用户行为序列，从用户行为序列中发掘用户兴趣特征；将短视频的基本信息通过嵌入层将高维独热编码特征映射为低维特征向量，用于发掘短视频特征；关注特定模态的跨模态多头注意力网络增强图像模态的特征，并引导短视频特征的学习；通过引导用户特征学习的时序兴趣提取网络引导用户兴趣特征学习；通过上述学习的短视频特征和用户兴趣特征经过点击率预测网络预测用户点击短视频的概率，基于预测的概率对短视频进行推荐。装置包括：处理器和存储器。本发明利用一种能够引导短视频特征学习，同时关注特定模态的跨模态多头注意力网络实现了短视频多模态内容特征的挖掘利用，同时对短视频特征学习进行引导。

本发明授权一种基于内容与兴趣学习的短视频推荐方法及装置在权利要求书中公布了：1.一种基于内容与兴趣学习的短视频推荐方法，其特征在于，所述方法包括： 构建用户行为序列，从用户行为序列中发掘用户兴趣特征； 将短视频的基本信息通过嵌入层将高维独热编码特征映射为低维特征向量，用于发掘短视频特征； 关注特定模态的跨模态多头注意力网络增强图像模态的特征，并引导短视频特征的学习； 通过引导用户特征学习的时序兴趣提取网络引导用户兴趣特征学习； 通过上述学习的短视频特征和用户兴趣特征经过点击率预测网络预测用户点击短视频的概率，基于预测的概率对短视频进行推荐； 其中，所述跨模态多头注意力网络为： 用于学习模态内的自注意力特征和学习模态间的跨模态注意力特征；在非线性变换层采用输入的短视频特征引导短视频特征的学习； 将多模态特征作为输入，是任意多种模态，是模态m的特征维度，分别代表短视频的图像特征、声音特征和文本特征； 将每个模态都分成块，，对这些模态块做线性变换，映射到相同的维度； 在变换后，对相应的特征做了位置编码，以保留各个模态内的空间位置信息，最终得到GFCT的输入： ； 其中，模态m的位置编码，是模态第块特征向量，是VIT中的类别标记向量，c为GFCT输入的特征维度，代表全连接层；代表能够引导短视频特征学习同时关注特定模态的跨模态多头注意力网络； 所述跨模态多头注意力网络包括：关注特定模态的多头自注意力模块，所述多头自注意力模块从自身角度学习每个模态内的特征块之间的联系： ； 其中，表示FCT模块第层，表示一种层FCT模块，第一层的输入为，表示第层输出的模态内特征表示，表示多头自注意力机制； ； ； 其中，，分别表示第层视觉模态与文本模态，声音模态的跨模态交互特征，C代表特征的维度，n代表特征长度； 这两种交互特征用于对图像特征的增强，以增加视觉信息的表达； ； 其中，表示第层增强视觉特征； ； 其中，代表经过FMCA的声音特征，代表经过FMCA的文本特征；代表关注特定模态多头自注意力模块；代表跨模态的多头注意力机制；代表层归一化模块。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。