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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于协同图卷积和学习风格的课程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：CN118551115B 。

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：202410741760.1，技术领域涉及：G06F16/9535；该发明授权一种基于协同图卷积和学习风格的课程推荐方法是由章国道;高霄云;叶海洋;王超超;葛一粟;陆炎杰;章哈琪设计研发完成，并于2024-06-11向国家知识产权局提交的专利申请。

本一种基于协同图卷积和学习风格的课程推荐方法在说明书摘要公布了：本发明公开了一种基于图卷积网络和学习风格的课程推荐方法，包括如下步骤：步骤1、预测评分，将来自学习者相连的课程嵌入信息编码为学习者的一阶嵌入信息，并通过一阶嵌入信息得到高阶嵌入信息；将高阶嵌入信息中的每一阶嵌入信息通过聚合函数聚合到单个向量中得到聚合嵌入表示；对学习者和课程的聚合嵌入表示进行内积运算，得到学习者对该课程的预测评分；步骤2、分别定义学习者概要和课程概要，计算学习风格向量，根据学习者学习风格向量和课程学习风格向量，得到课程学习风格相似度评分；步骤3、通过学习风格相似度评分对预测评分列表进行优化，得到协同预测评分，该方法解决基于图卷积网络推荐算法忽略学习者自身学习模式的问题。

本发明授权一种基于协同图卷积和学习风格的课程推荐方法在权利要求书中公布了：1.一种基于图卷积网络和学习风格的课程推荐方法，其特征在于，包括如下步骤： 步骤1、通过图卷积网络模型实现预测评分 步骤1.1、将来自学习者相连的课程嵌入信息编码为学习者的一阶嵌入信息，并通过一阶嵌入信息得到高阶嵌入信息； 步骤1.2、将高阶嵌入信息中的每一阶嵌入信息通过聚合函数聚合到单个向量中得到聚合嵌入表示； 步骤1.3、对学习者和课程的聚合嵌入表示进行内积运算，得到学习者对该课程的预测评分； 所述图卷积网络模型的优化方法： 选择BPR损失函数，它通过假设学习者应该对学习过的课程比未学习过的课程具有更高的预测值来计算模型整体的损失，表达式如下： 其中，表示训练集，其中表示学习者学习过的课程集合，是通过随机负采样策略得到的学习者未学习过的课程集合；σ是sigmoid函数；λ用来控制L2正则化强度，Θ表示模型整体的参数，即初始嵌入向量； 步骤2、学习风格相似度评分 步骤2.1、分别定义学习者概要和课程概要，其学习风格向量，表达式如下： LSu＝rea,tra,soc LSc＝rea,tra,soc 其中，LSu表示学习者学习风格向量；LSc表示课程学习风格向量；rea，tra，soc分别表示现实型、传统型和社会型学习风格； 步骤2.2、根据课程-概念矩阵、概念-领域矩阵以及真实调查问卷和教育专业人员指导得到的领域-风格匹配度量表，构建概念-风格矩阵，由课程-概念-学习风格之间的关联性，得到课程-风格矩阵，矩阵每行即表示相应课程的学习风格向量，并进行归一化处理，同时，根据学习者课程订阅信息以及课程-学习风格的关联性，计算学习者学习风格属性比值，构建学习者学习风格矩阵，矩阵每行表示不同学习者的学习风格向量，并进行归一化处理，得到最终的学习者学习风格向量； 步骤2.3、根据学习者学习风格向量和课程学习风格向量，采用余弦相似度进行计算学习者和课程之间的学习风格相似度，得到课程学习风格相似度评分； 步骤3、根据预测评分得到学习者对课程的预测评分列表，并通过学习风格相似度评分对预测评分列表进行优化，得到协同预测评分，选取前Top-K个课程作为用户的最终课程推荐结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。