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！

龙图腾网获悉陕西师范大学申请的专利基于项目领域知识和用户评论的学习资源推荐方法及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：CN115858919B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211457604.X，技术领域涉及：G06F16/9535；该发明授权基于项目领域知识和用户评论的学习资源推荐方法及系统是由黄昭;程靖设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本基于项目领域知识和用户评论的学习资源推荐方法及系统在说明书摘要公布了：本发明公开了一种基于项目领域知识和用户评论的学习资源推荐方法及系统，方法包括:收集学习者信息、学习资源特征信息、教师信息，指学习者描述信息、学习者与学习资源的交互信息，学习资源特征信息包括学习资源描述信息、学习资源特征信息；根据学习者信息，寻找与学习者最高相似度的教师，通过卷积神经网络，根据教师特征得到目标学习资源的匹配分数；建立学习者短期偏好模型和长期偏好模型，融合两个模型得到学习者个人偏好模型；建立学习者群体偏好模型，融合学习者个人与群体模型得到学习者偏好模型；根据学习资源特征信息，使用学习资源的多种信息特征建立学习资源特征信息模型和领域知识模型，从而提高学习资源推荐的准确性。

本发明授权基于项目领域知识和用户评论的学习资源推荐方法及系统在权利要求书中公布了：1.一种基于项目领域知识和用户评论的学习资源推荐方法，其特征在于，包括以下步骤： 步骤1，获取项目领域特征信息、用户历史交互信息矩阵Y、用户的评论集合信息、查询嵌入矩阵Q、用户特征信息； 步骤2，根据用户的历史交互信息矩阵Y，构建用户—项目路径图SG； 步骤3，通过项目领域特征信息，使用基于领域分组的图卷积神经网络，构建项目领域特征模型；具体如下： 项目领域特征模型构建分为两部分：分组传播和知识分组聚合；项目包含的领域知识点作为一个种子集沿着项目领域知识图中的路径进行扩展，并递归地访问每个传播的集合； 步骤3.1，在分组传播，项目特征反映在其包含的领域知识点中，通过挖掘知识点特征，并使用领域知识点表示项目将项目的特征表示出来，定义如下： 其中，c代表项目，e代表领域知识点； 项目集合的初始表示是领域知识点实体的整合，在项目领域知识图中传播之后，遍历集合中所有不同类型的实体，所有实体都能有效地扩展项目的潜在特征，项目的多层传播实体递归地定义为如下公式： 其中，l表示实体集合与项目领域知识点种子之间的层次结构距离； 步骤3.2，知识分组聚合，将项目的领域特征传播分为两个阶段：第一阶段是使用具有实体粒度的组内注意网络确定不同路径上实体的注意力权重，第二阶段是基于关系链接的组间聚合网络表示项目的领域特征，通过这两个阶段对项目的领域特征进行更详细的模型构建； 步骤3.2.1，在组内注意网络阶段，尾部实体通过关系不同的连接和头部实体来表示，在特征传播过程中，到达尾部实体的不同路径含义不同，通过一个注意力网络来确定不同路径上的权重占比； 首先，选定项目领域知识图中的一个候选项目实体，再给定候选项目实体尾部领域知识实体e，计算得出尾部领域知识实体相对于项目的注意力权重，其中为尾部实体的表示，如下所示： 其中为尾部实体的表示； 在获得同一层中各不同组中所有实体的注意权重后，将各组中所有加权实体嵌入相加，作为这些关系链接的表示，最终，得到k个不同领域分组的加权表示： 其中，代表尾部领域知识实体的注意力权重，代表与候选项目连接的所有尾部实体； 步骤3.2.2，在组间聚合网络阶段，通过头部实体和关系链接获得了每个传播层中不同关系链接的表示，直接利用项目领域知识图中的关系信息；将每个组都认为是项目领域特征在一定的某个知识方向上的延伸，使用组间聚合网络继续表示项目的领域特征，进而得到领域特征模型； 步骤4，通过多通道注意力机制，计算用户—项目路径图中不同实体的注意力分数，然后，将不同通道计算得出的注意力分数相加后，作为图中不同实体的注意力权重；整合用户—项目路径图中所有实体的特征，将不同实体的特征连接得到项目全局模型； 步骤5，基于注意力机制，为项目领域特征模型与项目全局模型分配不同的权重，将两者融合，得到最终的项目模型I： 步骤6，对用户的评论集进行预处理，即将评论集中的单词转换d维嵌入，通过给定一个查询嵌入矩阵Q，从嵌入矩阵中查找用户的评论集中的单词，并将其转换为对应的嵌入向量，得到用户对应的评论矩阵RC，将步骤3得到的项目领域特征转换为矩阵形式，得到项目特征矩阵IC；得到用户评论矩阵RC后，通过狄利克雷概率聚类算法，计算用户所属的领域类型，然后，将用户所属的领域类型也转换为领域类型矩阵SC； 步骤7，将用户的评论矩阵RC与项目特征矩阵IC相乘的到用户—项目领域矩阵UIS，用户评论矩阵RC与用户所属类型矩阵SC相乘得到用户—项目类型矩阵UIT，使用卷积神经网络分别从用户—项目领域矩阵UIS和用户—项目类型矩阵UIT提取用户领域特征和用户类型特征； 基于注意力机制，计算用户领域特征和用户类型特征所占权重，将两者进行连接融合，得到用户特征模型U； 步骤8，将项目模型I与用户特征模型U连接，将连接后的模型作为多层深度神经网络的输入，得到目标项目和与用户的的交互特征，将交互特征作为候选项目的初始推荐分数ps； 步骤9，将步骤7得到的用户所属的领域类型直接添加到项目模型I与用户特征模型U的交互特征中，作为候选项目的最终推荐分数f's； 步骤10，按照推荐分数f's高低将其排序，将分数最高的前N个候选项目依次推荐给用户。

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陕西师范大学，其通讯地址为：710119 陕西省西安市长安区西长安街620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。