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！

龙图腾网获悉四川众鹤科技有限公司申请的专利基于人工智能的智慧校园服务推送方法及系统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：CN120045941B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510149472.1，技术领域涉及：G06F18/214；该发明授权基于人工智能的智慧校园服务推送方法及系统是由胡洪源;廖伟设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本基于人工智能的智慧校园服务推送方法及系统在说明书摘要公布了：本发明提供一种基于人工智能的智慧校园服务推送方法及系统，通过获取标注有服务接受度描述画像的服务推送训练样例，并对服务推送训练样例中的服务使用轨迹数据和校园服务资源数据进行特征提取，生成多个服务知识矢量。利用注意力网络获取各服务知识矢量的注意力系数，并结合估计网络进行服务接受度画像估计，生成对应于多个服务推送节点的服务接受度估计画像。通过计算网络训练误差，优化服务接受度画像估计网络中的神经元权重信息，直至网络收敛。该方法能够准确地对目标推送对象进行智慧校园服务推送决策，提高了服务推送的精准度和用户满意度，实现了智慧校园服务的高效、个性化推送。

本发明授权基于人工智能的智慧校园服务推送方法及系统在权利要求书中公布了：1.一种基于人工智能的智慧校园服务推送方法，其特征在于，所述方法包括： 获取智慧校园服务的服务推送训练样例，所述服务推送训练样例标注有所述服务推送训练样例对应于目标服务推送节点的服务接受度描述画像； 对所述服务推送训练样例中的服务使用轨迹数据和校园服务资源数据进行特征提取生成所述服务推送训练样例包括的多个服务知识矢量； 通过注意力网络获得各个服务知识矢量的注意力系数，并通过估计网络依据所述服务推送训练样例包括的多个服务知识矢量和各个所述服务知识矢量的注意力系数进行服务接受度画像估计，生成所述服务推送训练样例对应于多个服务推送节点中的各个服务推送节点的服务接受度估计画像； 依据所述服务推送训练样例对应于目标服务推送节点的服务接受度描述画像和服务推送训练样例对应于各个服务推送节点的服务接受度估计画像计算网络训练误差； 基于所述网络训练误差优化服务接受度画像估计网络中用于估计所述服务推送训练样例对应于所述目标服务推送节点的神经元权重信息，直到达到网络收敛要求后，依据所述服务接受度画像估计网络对所述目标推送对象进行智慧校园服务推送决策，其中，所述服务接受度画像估计网络包括所述注意力网络和所述估计网络； 所述估计网络包括第一网络功能单元和第二网络功能单元，所述对所述服务推送训练样例中的服务使用轨迹数据和校园服务资源数据进行特征提取生成所述服务推送训练样例包括的多个服务知识矢量的步骤，包括： 对所述服务使用轨迹数据进行清洗、去噪和归一化处理，提取出关键行为特征，同时对所述校园服务资源数据进行语义分析、关键词提取和向量化表示，生成对应的资源特征矢量，将所述关键行为特征和所述资源特征矢量进行融合，生成包含服务信息和资源语义的各个服务知识矢量； 所述通过注意力网络获得各个服务知识矢量的注意力系数的步骤，包括： 采用所述注意力网络的全局注意力机制捕捉各个服务知识矢量之间的全局依赖关系，具体通过对每个服务知识矢量与其它所有服务知识矢量进行相似度计算，得到全局相似度矩阵，该全局相似度矩阵反映了每个服务知识矢量在全局上下文中的重要性，然后利用所述全局相似度矩阵对所述服务知识矢量进行加权求和，得到融合全局上下文信息的增强服务知识矢量； 对每个增强服务知识矢量进行分段处理，生成多个子矢量，并基于所述注意力网络的局部注意力机制对每个子矢量应用局部注意力函数，该局部注意力函数通过计算子矢量的内部元素之间的相关性来识别出局部关注焦点，并将每个子矢量的局部关注焦点进行合并，生成针对整个服务知识矢量的局部关注焦点矢量； 采用所述注意力网络的多层次注意力融合策略以定义出多个层次的注意力头，每个注意力头用于捕捉对应层次上的信息； 对每个局部关注焦点矢量同时应用所述注意力头，得到多个层次的注意力表示，并通过加权求和的方式将所述多个层次的注意力表示进行融合，生成融合了多层次注意力信息的最终服务知识矢量，所述层次包括语义层次、行为层次和资源层次； 对每个最终服务知识矢量的注意力系数应用预先定义的动态调整规则，得到经过动态调整的注意力系数，所述动态调整规则包括基于时间衰减的调整规则、基于用户偏好的调整规则以及基于服务热度的调整规则； 计算所有经过动态调整的注意力系数的总和或最大值，并将每个注意力系数除以所述总和或最大值，得到归一化后的注意力系数； 所述通过估计网络依据所述服务推送训练样例包括的多个服务知识矢量和各个所述服务知识矢量的注意力系数进行服务接受度画像估计，生成所述服务推送训练样例对应于多个服务推送节点中的各个服务推送节点的服务接受度估计画像的步骤，包括： 对于每个服务知识矢量，将该服务知识矢量与该服务知识矢量对应的注意力系数进行加权计算，生成与每个服务知识矢量对应的目标加权知识矢量； 通过所述第一网络功能单元依据所述服务推送训练样例对应的多个目标加权知识矢量进行服务接受度画像估计，生成所述服务推送训练样例对应于各个服务推送节点的第一服务接受度估计画像； 通过所述第二网络功能单元依据所述服务推送训练样例对应的多个目标加权知识矢量进行服务接受度画像估计，生成所述服务推送训练样例对应于各个服务推送节点的第二服务接受度估计画像； 所述依据所述服务推送训练样例对应于目标服务推送节点的服务接受度描述画像和服务推送训练样例对应于各个服务推送节点的服务接受度估计画像计算网络训练误差的步骤，包括： 依据所述服务推送训练样例对应的服务推送节点的服务接受度描述画像、服务推送训练样例对应于各个服务推送节点的第一服务接受度估计画像以及服务推送训练样例对应于各个服务推送节点的第二服务接受度估计画像计算网络训练误差； 所述基于所述网络训练误差优化服务接受度画像估计网络中用于估计所述服务推送训练样例对应于所述目标服务推送节点的神经元权重信息的步骤，包括： 基于所述网络训练误差优化所述注意力网络的神经元权重信息，优化所述第一网络功能单元中用于估计所述服务推送训练样例对应于所述目标服务推送节点的神经元权重信息，以及优化所述第二网络功能单元的神经元权重信息。

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四川众鹤科技有限公司，其通讯地址为：610000 四川省成都市天府新区华阳街道祥鹤四街418号1栋10层7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”。