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双通道对比学习与异构知识图谱传播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：CN120912390B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511018084.6，技术领域涉及：G06Q50/20；该发明授权一种双通道对比学习与异构知识图谱传播的课程推荐方法是由谢明山;李志文设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本一种双通道对比学习与异构知识图谱传播的课程推荐方法在说明书摘要公布了：本发明公开了一种双通道对比学习与异构知识图谱传播的课程推荐方法，涉及机器学习和推荐系统技术领域，包括步骤1、构建课程异构知识图谱和初始实体集合；步骤2、课程异构知识图谱的协同传播与涟漪集的合生成；步骤3、设计细粒度聚合注意力网络；步骤4、双通道对比学习；步骤5、多跳路径推理与多视图融合；步骤6、预测评分计算与模型优化；本发明提供的一种双通道对比学习与异构知识图谱传播的课程推荐方法，解决了现有技术存在的数据稀疏性问题、长尾课程覆盖不足问题以及推荐结果可解释性差等技术问题。

本发明授权一种双通道对比学习与异构知识图谱传播的课程推荐方法在权利要求书中公布了：1.一种双通道对比学习与异构知识图谱传播的课程推荐方法，其特征在于，包括以下步骤： 步骤1、构建课程异构知识图谱和初始实体集合； 步骤2、课程异构知识图谱的协同传播与涟漪集的合生成； 步骤3、设计细粒度聚合注意力网络； 步骤4、双通道对比学习； 步骤5、多跳路径推理与多视图融合； 步骤6、预测评分计算与模型优化； 步骤1中S11构建课程异构知识图谱的具体过程如下： 设用户集合为，课程集合为；课程与实体对齐矩阵表征课程与实体的映射关系，课程-实体对齐集合为，其中表示实体，表示实体集； 课程异构知识图谱以三元组形式构建，表达式为： ； 式中，为头实体，为尾实体，为实体间关系，为关系类型集合； 步骤1中S12构建初始实体集合的具体过程如下： 用户-课程交互图为二部图结构，邻接矩阵为，其中表示用户与课程存在历史交互行为； 基于用户-课程交互图提取用户历史交互过的课程集合： ； 基于课程-实体对齐集合来获得初始的用户表示集合，用户的初始实体集合为： ； 定义与当前用户存在课程交互共性的潜在关联用户集合为，用于捕捉群体行为特征，的表达式为： ； 式中，表示用户交互历史课程集合； 将潜在关联用户集合和课程-实体对齐集合相结合，构建课程的初始实体集合： ； 步骤2的具体过程如下： 将初始实体集合作为课程异构知识图谱的种子节点，沿课程异构知识图谱的多元关系路径进行分层传播，逐层提取多跳关联知识，对于任意实体类型，第层的涟漪实体集合为： ； 式中，表示是代表用户或课程的统一占位符符号；表示实体头节点；表示实体尾节点；表示课程异构知识图谱；表示从实体位置到初始实体集合所经过的层数；是超参数，表示涟漪集合中的最大跳数； 用户与课程的第跳涟漪关联集合为： ； 步骤3的具体过程如下： S31、三元组特征建模； 对课程异构知识图谱中第层的三元组定义如下： ； ； 式中，为头实体关联实体集合；表示头实体的嵌入，表示当前关系的嵌入，表示从到的关系路径； S32、通过多层神经网络生成尾实体注意力权重系数； 其中，多层神经网络包含ReLU激活与Sigmoid归一化，具体表达式为： ； 式中，表示向量拼接操作；是Sigmoid函数；ReLU是非线性激活函数；W和b分别是可训练的权重矩阵和偏置项； 那么，尾实体注意力权重系数的表达式为： ； 式中，表示头实体关联实体集； S33、通过聚合多跳知识传播提取生成的涟漪集合； ； 式中，表示尾实体嵌入； S34、为用户或课程添加初始实体集合的表示为： ； 式中，表示用户\课程初始实体；表示用户\课程初始实体集； S35、定义课程的原始关联实体为： ； S36、标记出涉及高阶协同信号和多跳知识提取的三元组的特征表示，表达式分别为： ； ； ； ； 式中，表示初始用户特征表示；表示聚合多跳知识提取生成用户涟漪集；表示潜在用户特征表示；表示潜在用户关联实体；表示初始课程特征表示；表示课程初始关联实体；表示潜在课程特征表示；表示潜在课程关联实体。

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花溪大道南段2708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。