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！

龙图腾网获悉重庆邮电大学申请的专利基于学科知识图谱和图神经网络的个性化学习资源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：CN119691263B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411692200.8，技术领域涉及：G06F16/9535；该发明授权基于学科知识图谱和图神经网络的个性化学习资源推荐方法是由阮昆;任波;蔡林沁;黄容;储雯;熊余设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本基于学科知识图谱和图神经网络的个性化学习资源推荐方法在说明书摘要公布了：本发明涉及一种基于学科知识图谱和图神经网络的个性化学习资源推荐方法，属于教育内容推荐领域。该方法包括：提取教材中的关键实体以及关键实体之间的关系，构建学科知识图谱；根据学生在学习过程中的行为数据，建立初步的学习记录表；通过知识追踪模型整合、预测学生对于学习记录表中的每个知识点的掌握程度分布，构建学生画像；将学科知识图谱中的知识点及其关联关系嵌入学生画像中，并通过图神经网络更新学生画像中的知识嵌入表示；构建个性化推荐模型，采用协同过滤和内容推荐的混合推荐方法推送符合学生当前学习状态的学习资源。本发明能够在多维度上准确捕捉学生的个性化需求，有效提高推荐内容的准确性、泛化性和可解释性。

本发明授权基于学科知识图谱和图神经网络的个性化学习资源推荐方法在权利要求书中公布了：1.一种基于学科知识图谱和图神经网络的个性化学习资源推荐方法，其特征在于：所述方法包括以下步骤： S1、提取教材中的关键实体以及关键实体之间的关系，构建学科知识图谱； S2、根据学生在学习过程中的行为数据，建立初步的学习记录表； S3、通过知识追踪模型整合、预测学生对于学习记录表中的每个知识点的掌握程度分布，构建学生画像； S4、将学科知识图谱中的知识点及其关联关系嵌入学生画像中，并通过图神经网络更新学生画像中的知识嵌入表示； S5、构建个性化推荐模型，采用基于群体特征的协同过滤推荐和基于语义特征的内容推荐的混合推荐方法推送符合学生当前学习状态的学习资源； 在步骤S3中，知识追踪模型包括嵌入层、特征拼接层、全连接层、深度神经网络层以及输出层，其中，包括以下步骤： S31、通过嵌入层将知识点编码转化为向量表示： 式中，、、和分别为学生、问题、知识点和答案的嵌入向量，分别为学生、问题、知识点和答案对应的数据信息，分别为学生、问题、知识点和答案对应的嵌入映射函数； S32、通过特征拼接层将嵌入向量拼接成一个整体特征向量： S33、将作为输入传递到全连接层，通过全连接层整合知识点特征与学生特征，将多知识点特征融合为一体，生成适合学生知识状态分析的特征向量；将融合后的特征向量输入深度神经网络层，以预测学生在每个知识点上的掌握概率： 式中，为全连接层对输入的线性计算结果，即全连接层的输出值，是基权重，是基权重的激活函数；是样条权重，是样条插值的基函数；分别为样条插值的当前节点索引、样条的阶数，表示在全连接层中，用于样条插值的第m个网格节点的值，表示第m+s+1个网格节点，用于计算当前节点和下一节点的间距，表示第m+s+2个网格节点，用于在插值计算中需要的更高的索引值，表示第m+s−2个网格节点，用于计算更早的节点值，在插值过程中用来构造多项式基，表示第m+1个网格节点，用于插值基函数的计算中，确定插值范围的边界； S34、输出层采用Sigmoid激活函数生成对学生掌握知识点的预测概率： 根据学生的知识掌握分布，得到反映其学习状态的学生画像，包括各知识点的掌握水平和进展情况； 在步骤S4中，包括以下步骤： S41、采用图嵌入方法，对知识图谱中的每个知识点实体进行向量化：将知识点以及该知识点与其他知识点之间的关系通过语言模型进行处理，语言模型将输入的文本描述编码为嵌入表示： 式中，是知识点的文本描述；是关系的文本描述，为预训练的双向编码器表示转换器模型，用于将输入文本转换为嵌入向量； S42、将知识图谱嵌入结果结合到学生画像中，包括：基于知识图谱中的关系结构，利用图神经网络传播知识点语义信息，将相关知识点的上下游信息融入当前学生画像中；将学生在知识点上的掌握情况与知识图谱嵌入的向量进行特征拼接，构成更加完整的学生知识状态表示，其中，结合图神经网络的邻域聚合操作，将知识点和关系的嵌入表示融入学生画像，得到知识增强后的学生画像嵌入： 对于每个知识点节点，收集其邻域节点的嵌入信息，通过聚合函数将邻域信息整合： 式中，是第层的权重矩阵，是激活函数，为拼接函数，为聚合函数，其作用是聚合节点及其邻域节点的嵌入信息，为第层中的节点的第个领域节点的嵌入信息，和分别表示节点在层和第层的嵌入信息； 通过图嵌入后的知识图谱信息补充学生画像的背景知识，识别学生在知识点上的掌握关系； 在步骤S5中，个性化推荐模型采用混合推荐方法，综合基于群体特征的协同过滤推荐和基于语义特征的内容推荐两种方式进行学习资源的推荐，其中，对于知识点的综合推荐度的计算方式为： 式中，为协同过滤方式针对学生给出的对于知识点的推荐度，为内容推荐方式针对学生给出的对于知识点的推荐度，为权重参数，用于平衡两种推荐方法的影响； 依据个性化推荐模型的输出，向学生推送个性化的学习内容，学习内容包括：知识点资料、特定习题以及学习路径。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2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。