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！

龙图腾网获悉贵州大学申请的专利一种基于多知识子图的电子学习推荐系统设计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：CN117312539B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202311264913.X，技术领域涉及：G06F16/335；该发明授权一种基于多知识子图的电子学习推荐系统设计方法是由谢明山;廖洪;邓艳芳;贾伟设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本一种基于多知识子图的电子学习推荐系统设计方法在说明书摘要公布了：本发明公开了一种基于多知识子图的电子学习推荐系统设计方法。利用知识图谱作为辅助信息源进行电子学习推荐系统设计，基于多知识子图的电子学习推荐系统包含学习者模块、学习目标模块和评分模块。本发明具有解决学习者面临过载学习目标而导致推荐系统无法准确推荐和新学习者冷启动等问题的能力；本发明利用知识图谱作为信息辅助源，并采用注意力机制来区分不同关系属性对目标实体的贡献度；通过聚合邻居实体，本发明丰富了目标实体的语义表示，并通过传播的方式挖掘学习目标实体之间潜在联系，本发明为学习者提供了个性化的学习目标推荐，从而提高了学习者的学习效果和满意度的有益效果。

本发明授权一种基于多知识子图的电子学习推荐系统设计方法在权利要求书中公布了：1.一种基于多知识子图的电子学习推荐系统设计方法，其特征在于：利用知识图谱作为辅助信息源进行电子学习推荐系统设计，基于多知识子图的电子学习推荐系统包含学习者模块、学习目标模块和评分模块； 所述学习者模块，该模块结合了学习者与学习目标交互子图，学习者簇群子图以及学习者自身属性子图，目的是对学习者进行画像；所述学习目标模块，该模块结合了学习目标特征子图以及学习目标子图，目的是挖掘学习目标之间的语义信息；所述评分模块，该模块去计算每个学习者对学习目标的评分，并将评分高的学习目标推荐给学习者； 所述的学习者与学习目标交互子图、学习者簇群子图以及学习者自身属性子图分别得到学习者在三个子图中的特征表示和通过给和分配不同的权重来表示三个特征对最终学习者特征表示的重要性，目的是得到在推荐系统中效果最好的学习者特征表示Li： 其中，σ是非线性激活函数，ω1,ω2和ω3分别是和的权重,表示向量的加法运算，b是偏置；和分别是在学习目标交互子图、学习者簇群子图以及学习者自身属性子图中得到的学习者特征表示； 所述学习者特征是通过聚合学习者li和他所学习过的学习目标集合Ci所得，聚合函数定义为： 其中，σ是非线性激活函数，w和b是权重矩阵和偏置；Ci是学习者学习过的学习目标集合，pj是这些学习目标的嵌入向量；通过为每个学习目标分配不同的权重来表示每个历史学习目标对学习者的重要程度，目的是更好的模拟学习者的学校偏好： 其中σ是非线性激活函数,w和b是权重矩阵和偏置；pj是这些学习目标的嵌入向量，αij是学习目标注意力权重，旨在区分不同学习目标对学习者的重要性，aij由神经注意力网络计算： 其中,σ是非线性激活函数，w1、w2和b1、b2是权重矩阵和偏置；qj是学习者的嵌入向量，pj是这些学习目标的嵌入向量，⊕表示向量的加法运算；为了捕捉每个学习目标对目标用户的贡献度，采用softmax函数将注意力得分归一化： 其中，表示对进行指数化； 所述的学习目标特征子图和学习目标子图分别得到学习目标在两个子图中的特征表示和通过聚合两者便得到最终的学习目标嵌入表示Ki: 其中，是学习目标子图得到的学习目标特征表示，是学习目标特征子图得到的学习目标特征,表示向量的加法运算； 所述的评分模块通过公式1的学习者特征Li和公式14的学习目标特征Ki拼接，然后通过多层全连接层计算两者交互分数： 其中，Li和Ki分别是学习者和学习目标最最终的特征表示； 通过损失函数22来更新训练所涉及到的参数： 其中，m是样本数，λ是正则化参数；是通过多层全连接层计算两者交互分数，ylk是学习者与历史学习目标的交互分数，w是模型的权重参数，L是全连接层数，通过最小化损失函数得到最好的参数去计算每个学习者对学习目标的评分，然后将评分高的学习目标推荐给学习者。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学西校区林学院崇德楼；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。