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！

龙图腾网获悉湖南工商大学申请的专利基于邻域与超图协作的个性化学习内容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：CN120386941B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202510820238.7，技术领域涉及：G06F16/9536；该发明授权基于邻域与超图协作的个性化学习内容推荐方法及系统是由陈荣元;卿海伦;戚蓓蓓;周鲜成;文杰彬;黄少年设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本基于邻域与超图协作的个性化学习内容推荐方法及系统在说明书摘要公布了：本发明提供了一种基于邻域与超图协作的个性化学习内容推荐方法及系统，涉及内容推荐技术领域。通过获取用户会话序列数据以构建超图视图和邻居图视图；基于超图视图提取全局高阶关系特征；基于所述邻居图视图提取局部共现关系特征，生成增强型共现关系特征；将用户学习路径的序列位置编码与学习内容语义嵌入拼接，通过门控动态注意力机制融合上下文信息，生成动态学习兴趣嵌入表示；基于全局‑局部对比学习策略，对动态学习兴趣嵌入与全局语义嵌入进行非线性投影，通过对比损失优化两类嵌入的语义一致性；联合推荐任务的交叉熵损失与对比学习损失，构建联合优化目标函数，生成个性化推荐结果，实现捕捉学习内容之间显性和隐性关系的技术效果。

本发明授权基于邻域与超图协作的个性化学习内容推荐方法及系统在权利要求书中公布了：1.一种基于邻域与超图协作的个性化学习内容推荐方法，其特征在于，包括： 获取用户会话序列数据以构建超图视图和邻居图视图，并通过多视图融合模块生成综合学习内容关系网络； 基于所述超图视图，通过多跳超图卷积结合K-hop算法迭代提取全局高阶关系特征，并与邻居图视图的共现关系特征进行互补性融合； 基于所述邻居图视图，通过带权多跳邻居图卷积提取局部共现关系特征，结合阈值机制过滤噪声边，生成增强型共现关系特征； 将用户学习路径的序列位置编码与学习内容语义嵌入拼接，通过门控动态注意力机制融合上下文信息，生成动态学习兴趣嵌入表示； 基于全局-局部对比学习策略，对所述动态学习兴趣嵌入与全局语义嵌入进行非线性投影，通过对比损失优化两类嵌入的语义一致性； 联合推荐任务的交叉熵损失与对比学习损失，构建联合优化目标函数，通过反向传播动态调整超图与邻居图参数，生成个性化推荐结果； 其中，所述基于全局-局部对比学习策略，对所述动态学习兴趣嵌入与全局语义嵌入进行非线性投影，通过对比损失优化两类嵌入的语义一致性的步骤，包括： 基于用户短期学习路径构建局部视图，通过邻居图卷积提取局部行为特征，生成局部嵌入表示； 基于用户长期学习行为构建全局视图，通过超图卷积提取全局语义特征，生成全局嵌入表示； 对局部嵌入与全局嵌入进行非线性投影，构造正样本对和负样本对，通过对比损失函数最大化正样本对的语义一致性，同时分离负样本对； 其中，所述将用户学习路径的序列位置编码与学习内容语义嵌入拼接，通过门控动态注意力机制融合上下文信息，生成动态学习兴趣嵌入表示的步骤，包括： 将学习内容序列的位置编码与学习内容语义嵌入拼接，生成上下文感知的初始嵌入； 通过门控线性单元对初始嵌入进行非线性变换，结合用户当前会话的平均嵌入动态计算注意力权重； 利用掩码机制过滤无效位置信息，生成用户学习路径的动态嵌入表示，所述动态嵌入表示与全局-局部对比学习模块共享特征空间。

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湖南工商大学，其通讯地址为：410000 湖南省长沙市岳麓区岳麓大道569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。