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！

龙图腾网获悉南京邮电大学申请的专利基于跨媒体搜索的微学习学习路径生成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：CN120067679B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510119948.7，技术领域涉及：G06F18/214；该发明授权基于跨媒体搜索的微学习学习路径生成方法是由周国强;戚瑞哲设计研发完成，并于2025-01-25向国家知识产权局提交的专利申请。

本基于跨媒体搜索的微学习学习路径生成方法在说明书摘要公布了：本发明公开了基于跨媒体搜索的微学习学习路径生成方法，包括：获取学习者的学习目标；根据学习目标，进行特征提取，得到目标特征向量；根据目标特征向量，基于交叉关系矩阵对相似性矩阵进行迭代求解，得到标记路径；其中，交叉关系矩阵和相似性矩阵是利用训练好的跨媒体搜索模型构建得到的；根据标记路径，得到前趋学习路径和后趋学习路径，以实现微学习学习路径的生成；通过将学习目标转化为目标特征向量，并基于跨媒体搜索模型生成微学习资源的相似性矩阵和交叉关系矩阵，基于微学习资源内容的相似度和相互关系生成学习路径，提高了所生成的学习路径的质量。

本发明授权基于跨媒体搜索的微学习学习路径生成方法在权利要求书中公布了：1.基于跨媒体搜索的微学习学习路径生成方法，其特征是，包括： 获取学习者的学习目标；根据所述学习目标，进行特征提取，得到目标特征向量； 根据所述目标特征向量，基于交叉关系矩阵对相似性矩阵进行迭代求解，得到标记路径；其中，所述交叉关系矩阵和相似性矩阵是利用训练好的跨媒体搜索模型构建得到的； 根据所述标记路径，得到前趋学习路径和后趋学习路径，以实现微学习学习路径的生成； 根据所述目标特征向量，基于交叉关系矩阵对相似性矩阵进行迭代求解，得到标记路径的步骤包括： 获取所述相似性矩阵中与目标特征向量对应的目标行i的元素，进行从大到小排序，得到相似度队列，； 其中，表示前后内容相似度的最大阈值；表示前后内容相似度的最小阈值；表示相似性矩阵中第行第列的元素；表示相似性矩阵中第行第列的元素；表示相似性矩阵中第行第列的元素； 根据所述交叉关系矩阵，基于预设的交叉关系判断函数对相似性矩阵进行求解，得到目标行i的相邻行； 删除所述相似性矩阵的目标行i和目标列i，将所述目标行i替换为相邻行，重复回到得到相似度队列的步骤进行迭代循环，最终得到标记路径； 所述标记路径的表达式为： ； 式中，表示以作为目标的前趋学习路径中的第2个学习单元的序号；表示以作为目标的前趋学习路径中的第1个学习单元的序号；表示以学习目标作为路径生成起点的学习单元的序号；表示以作为起点的后趋学习路径中的第1个学习单元的序号；表示以作为起点的后趋学习路径中的第2个学习单元的序号； 所述前趋学习路径的表达式为： ； 式中，表示前趋学习路径；表示以作为目标的前趋学习路径中的第2个学习单元；表示以作为目标的前趋学习路径中的第1个学习单元；表示作为学习路径生成起点的学习单元； 所述后趋学习路径的表达式为： ； 式中，表示后趋学习路径；表示作为学习路径生成起点的学习单元；表示以作为起点的后趋学习路径中的第1个学习单元；表示以作为起点的后趋学习路径中的第2个学习单元； 其中，所述跨媒体搜索模型的训练方法包括： 获取微学习资源，所述微学习资源包括多种媒体类型的媒体数据集； 针对任一种媒体类型的媒体数据集中的媒体数据，进行特征提取，得到媒体特征向量，进而构建训练集； 根据所述训练集，基于总损失函数对预构建的跨媒体搜索模型进行训练，得到训练好的跨媒体搜索模型；其中，所述总损失函数包括分类约束损失、中心约束损失和排名约束损失。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。