Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中南大学杨柳获国家专利权

中南大学杨柳获国家专利权

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!

龙图腾网获悉中南大学申请的专利一种科技文献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:CN115658862B

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:202211291535.X,技术领域涉及:G06F16/332;该发明授权一种科技文献推荐方法是由杨柳;谢冰媛;龙军;陈庭轩;王子冬设计研发完成,并于2022-10-19向国家知识产权局提交的专利申请。

一种科技文献推荐方法在说明书摘要公布了:本发明提供了一种科技文献推荐方法通过采集科技文献相关数据构建科技文献知识图谱,同时收集并处理用户在系统产生的交互数据,设计融合用户行为特征与知识表示的推荐模型。相较于现有推荐模型,一方面基于用户面向科技文献资源提出的自然语言查询,分析用户偏好对科技文献知识图谱产生的语义影响,提取隐含在用户信息中的关系语义特征,建立融入关系语义的知识表示学习模型,用以提高科技文献等知识的语义表征;另一方面基于用户的历史行为交互数据,结合知识表示学习模型深入分析关系与实体对用户偏好的语义影响,建立多层次偏好感知的推荐模型,用以提高用户与科技文献之间的语义关联。

本发明授权一种科技文献推荐方法在权利要求书中公布了:1.一种科技文献推荐方法,其特征在于,包括以下步骤: S1:构建科技文献知识图谱:对科技文献资源数据进行爬取,得到非结构化文本数据;从非结构化文本数据中抽取与科技文献相关的实体和关系,得到实体集和关系集,并通过实体集和关系集构建三元组集合,结合实体集、关系集以及三元组集合,构建科技文献知识图谱; S2:构建用户的交互数据库:收集用户对于科技文献知识图谱的历史行为交互数据;收集用户面向科技文献知识图谱提出的自然语言查询,并将自然语言查询转化为SPARQL查询语句;存储历史行为交互数据以及SPARQL查询语句; S3:基于用户的交互数据库和科技文献知识图谱建立用户偏好模型,所述用户偏好模型包括知识表示学习模型以及推荐模型,用户偏好模型构建过程具体包括: S3-1:基于SPARQL查询语句结合科技文献知识图谱构建知识表示学习模型; S3-2:基于历史行为交互数据构建推荐模型,具体包括: S3-2-1:计算历史行为交互数据中用户u和项目i与步骤S3-1的科技文献知识图谱中关系r的相似性;并进一步计算关系r在其关系集合中的注意力权重分布并进行归一化处理得到注意力权重的最终值,将注意力权重与对应的关系r相乘,建立指定用户-项目交互对与科技文献知识图谱中关系的偏好诱导模型; S3-2-2:计算历史行为交互数据中用户u和项目i与步骤S3-1的科技文献知识图谱中实体e的相似性;并计算实体e在其实体集合中的注意力权重分布并进行归一化处理得到注意力权重的最终值,将注意力权重与对应的实体e相乘,建立用户-项目交互对与科技文献知识图谱中实体的偏好诱导模型; S3-2-3:基于步骤S3-2-1中的用户对关系的偏好诱导模型以及步骤S3-2-2中的用户对实体的偏好诱导模型,建立用户对项目的偏好模型,通过用户对项目的偏好模型构建推荐模型的损失函数,通过梯度下降的方式不断迭代损失函数得到具有用户交互特征的用户的向量值和项目的向量值; S4:构建平衡函数平衡知识表示学习模型中的实体和推荐模型中的项目并同时训练知识表示学习模型和推荐模型,得到既具有图结构特征又具有交互语义特征的用户向量值和实体向量值,并依据用户向量值与实体向量值的相似度由高至低依次排列生成推荐列表。

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中南大学,其通讯地址为:410083 湖南省长沙市岳麓区麓山南路932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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。