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！

龙图腾网获悉黑龙江大学申请的专利一种基于知识图谱和图注意力网络的课程推荐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：CN115840853B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211602359.7，技术领域涉及：G06F16/9535；该发明授权一种基于知识图谱和图注意力网络的课程推荐系统是由贺晴;刘嵩岩;刘瑶设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种基于知识图谱和图注意力网络的课程推荐系统在说明书摘要公布了：本发明提供了一种基于知识图谱和图注意力网络的课程推荐系统，包括领域知识图谱构建模块、知识表示学习CTransD模块、图注意力网络CTransD‑GAT模块和评分预测模块，本发明根据课程数据集构建知识图谱，通过知识学习表示模块，将知识图谱中的实体和关系嵌入到连续的稠密的低维向量空间中，本发明利用图注意力网络模块计算权重系数传播和聚合实体节点的特征信息，生成新的包含更多信息的节点表示，根据评分预测模块得到课程预测评分。本发明的基于知识图谱和图注意力网络的课程推荐系统，通过知识图谱为推荐系统提供较准确和丰富的语义信息，利用图注意力网络，捕捉不同用户对课程不同关系的注意力，提高了推荐结果的准确度。

本发明授权一种基于知识图谱和图注意力网络的课程推荐系统在权利要求书中公布了：1.一种基于知识图谱和图注意力网络的课程推荐系统，其特征在于，包括领域知识图谱构建模块、知识表示学习CTransD模块、图注意力网络CTransD-GAT模块和评分预测模块； 所述的领域知识图谱构建模块：采用自顶向下的构建方式，抽象概括领域知识，得到领域知识图谱的实体概念，为领域中的每个实体概念定义实体类、对象属性、数据属性、值域和约束条件，构建出领域知识图谱本体库，从数据集中获取数据，将知识图谱所需的实体、属性、关系元素抽取出来，实例化本体库，形成结构化知识存入知识图谱； 所述的知识表示学习CTransD模块的构建步骤如下： 步骤S1、三元组提取：将知识图谱中的数据转换为三元组结构； 步骤S2、构造三元组得分函数：对每个三元组h,r,t来说，h是头实体向量，r是关系向量，t是尾实体向量，通过K-Means聚类算法，依据实体向量间的相似性聚成k类，每个实体向量属于且仅属于一个到其实体向量类簇中心距离最小的类簇中，使用算术平均值的方法计算簇群的平均值，并把这个平均值当做实体类中心，头实体的中心记为，头实体组成的邻域，尾实体的中心记为，尾实体组成的邻域，i,j∈{1,2,…,k}，头尾实体类中心分别定义为： ，， 头尾实体完成聚类后，头尾投影矩阵和分别表示为： ， ， 关系空间中被投影的头实体和尾实体分别表示为： ，， 被投影到关系r平面的头实体和尾实体满足，三元组得分函数为： ， 步骤S3、构造负例三元组：对于给定的三元组，以概率P替换头实体，以1-P的概率替换尾实体，生成负例三元组，概率P为： ， 式中，表示每个头实体对应的尾实体数量的平均值，表示每个尾实体对应的头实体数量的平均值； 步骤S4、构造实体类中心和实体投影相似性：用实体类中心代替整个实体类进行类间距计算，通过欧氏距离度量实体类中心的相似性，实体类中心相似性为： ， 通过正态分布函数把欧氏距离转换成概率表示相似性，以为条件选择的实体类中心相似性概率，定义为： ， 实体类中心对应投影向量，以为条件选择的实体投影向量相似性概率，定义为： ， 将上式的条件概率进行对称化处理，得到对称化处理后的实体类中心相似性概率和实体投影向量相似性概率，定义为： ，， ，， 步骤S5、根据目标函数进行梯度更新：采用三元组损失函数和KL散度损失函数作为样本的目标函数，目标函数为： ， 式中，表示中三元组集合，表示负例三元组集合，由负三元组构建策略生成，目标函数使用随机梯度下降算法更新模型参数，每次伯努利抽样抽取部分三元组，生成负例三元组加入三元组数据集合中，γ表示正例和负例三元组得分的距离，将集合中的实体和关系在各自向量空间中归一化操作，使用归一化向量数据训练模型；所述的图注意力网络CTransD-GAT模块：通过注意力机制来计算所述的知识图谱中关系对用户的权重，利用用户的嵌入向量和关系嵌入向量的内积表示该种关系对用户的重要程度，实体节点根据权重系数将特征信息传递给相邻节点，并使实体节点与传播的相邻节点进行嵌入聚合生成新的包含更多信息的节点表示； 所述图注意力网络CTransD-GAT模块的构建步骤如下： 步骤S1、计算用户权重偏好系数：利用用户的嵌入向量和关系嵌入向量的内积表示该种关系对用户的重要程度，在知识图谱中头尾节点连接的边即为权重，权重系数表示如下： ， 式中，和分别表示用户u和关系r的嵌入向量，通过softmax函数归一化对权重系数进行归一化操作，表示如下： ， 式中，是归一化后的权重系数，Nv表示节点v的邻居节点集合； 步骤S2、特征传播与聚合：对所有关系类型的邻居节点进行传播，将节点加权求和得到实体邻域的特征向量，特征向量表示如下： ， 通过BI-Interaction聚合函数，先将两个向量相加进行非线性变换，再将两个向量元素点乘进行非线性变换，最后将两个向量相加，表示如下： ， 式中，和为可训练权重矩阵与偏差，σ为ReLu激活函数，表示点乘； 所述的评分预测模块：将用户嵌入向量与聚合后的课程嵌入向量做内积，作为用户点击物品的概率值，。

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黑龙江大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路74号黑龙江大学电子工程学院；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。