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！

龙图腾网恭喜南京大学申请的专利一种基于经济运行不确定性因素分析的精准服务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：CN114841774B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202210507284.8，技术领域涉及：G06Q30/0601；该发明授权一种基于经济运行不确定性因素分析的精准服务推荐方法是由窦万春;任可;戴海鹏设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本一种基于经济运行不确定性因素分析的精准服务推荐方法在说明书摘要公布了：本发明提供了一种基于经济运行不确定性因素分析的精准服务推荐方法，包括以下步骤：步骤1:原始数据处理。对数据进行预处理，包括缺失值处理、异常值处理和标准化，然后从原始数据中提取出有效特征，并进行特征嵌入。步骤2:初始化模型。根据数据特征，初始化推荐系统模型。步骤3:训练模型。将步骤1中处理好的样本输入至步骤2中的模型，选择合适的损失函数训练模型。步骤4:采集困难负样本。使用LIME算法，得到各个特征的归因值，根据归因值采集困难负样本。步骤5:再次训练模型，输出最终模型。在负样本中加入困难负样本，再次训练模型，提高模型的鲁棒性。

本发明授权一种基于经济运行不确定性因素分析的精准服务推荐方法在权利要求书中公布了：1.一种基于经济运行不确定性因素分析的精准服务推荐方法，其特征在于，包括以下步骤：步骤1，对原始数据进行预处理，得到数据特征；步骤2，根据数据特征，初始化推荐系统模型；步骤3，将步骤1中处理好的样本输入至步骤2中的推荐系统模型，并训练推荐系统模型；步骤4，采集困难负样本；步骤5，再次训练推荐系统模型，输出最终的推荐系统模型，利用最终的推荐系统模型得到推荐结果；步骤1中，所述原始数据包括描述用户的数据、描述物品的数据以及用户与物品之间的交互数据；步骤1中，分别对原始数据进行缺失值处理、异常值处理和标准化，最后使用先验知识挑选出有效的特征用于训练模型，对离散型特征使用one-hot编码进行特征嵌入，数值型特征保持不变；步骤2中，所述推荐系统模型包括线性模型和深度神经网络，所述线性模型表示为：y＝wTx+b其中，x＝[x1x2...xd]T为输入样本，xi为第i个样本特征，i取值为1～d；权重w＝[w1w2...wd]T和偏置b是线性模型需要学习的参数；y是线性模型的输出；所述深度神经网络包括特征组合层和特征交互层，特征组合层表示为： 其中，Vx是所有特征嵌入向量的集合；xi表示第i个特征，vi为第i个特征的嵌入向量，一共有n个特征；⊙表示两个向量对应维度相乘得到的元素积向量，通过如下公式降低时间复杂度： 步骤2中，所述特征交互层包含两个以上的隐藏层，第一个隐藏层表示如下：h1＝fW1fVx+b1+fVx其中，h1是第一个隐藏层的输出；W1和b1分别是第一个隐藏层的权重和偏置参数；fVx为特征组合层的输出；f.为Relu激活函数，表示如下：fx＝max0，x特征交互层的其余层表示如下：hl+1＝fWlhl+bl+hl其中，hl是深度神经网络第l个隐藏层的输出；Wl和bl分别是第l个隐藏层的权重和偏置参数；f.为Relu激活函数；步骤2中，推荐系统模型的输出PY＝1|x为： 其中，Y表示数据标签，在点击预测任务中，Y＝1表示用户点击了该物品，为深度神经网络最后一层神经元上的值，为最后一层神经元的权重参数，σ.为sigmoid函数，表示如下： 其中，e为自然底数，x为最后一层神经元上的输入值；步骤3包括：定义用户与正样本的匹配性高于用户与负样本的匹配性的概率p：p＝σPu，i+-Pu，i-其中，σ为sigmoid函数；u表示用户，i+和i-分别表示正样本中的物品和负样本中的物品；σ.为sigmoid函数；P.为推荐系统模型的输出；将概率p和交叉熵损失函数结合，得到贝叶斯个性化排序BPR损失函数LBPR为：LBPR＝-logp为每个正样本随机采样一个负样本，使用BPR损失函数训练推荐系统模型；步骤4中，使用模型无关的局部可解释算法采集困难负样本：设g∈G为一个可解释模型，G表示一个可解释模型的集合，定义Ωg为模型复杂度，线性模型的模型复杂度为非零权重，决策树模型的模型复杂度为树的深度；定义样本x的邻域为πx，Lf，g，πx表示在πx定义的邻域中一个可解释模型g与推荐系统模型f在样本上的输出值之间的误差，LIME算法的目标是在邻域πx上得到一个最接近推荐系统模型的可解释模型ξx，表示如下： 步骤4还包括如下步骤：步骤4-1，定义待解释样本x的邻域πx，在πx中采样与x相近的样本；步骤4-2，用推荐系统模型在与x相近的样本上进行预测；步骤4-3，用与x相近的样本训练一个可解释模型，得到样本x各个特征的归因值，然后取平均，得到归因值最大的特征xmax，设其归因值为φmax；对于用户u的每个正样本i+以一定的概率psample，随机采样一个具有特征xmax的样本作为困难负样本，概率psample为： 其中，n为物品的特征数量；φi表示用户u的所有正样本上各个特征的平均归因值；α为超参数。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号南京大学；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”。