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！

龙图腾网获悉暨南大学申请的专利一种用于保护认知画像中学生隐私的分层遗忘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：CN121302433B 。

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：202511852734.7，技术领域涉及：G06F21/62；该发明授权一种用于保护认知画像中学生隐私的分层遗忘方法是由侯明良;王一诺;刘子韬;郭腾设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种用于保护认知画像中学生隐私的分层遗忘方法在说明书摘要公布了：本发明公开了一种用于保护认知画像中学生隐私的分层遗忘方法，属于数据分层遗忘领域，包括：获取包含学生集合、题目集合及知识点集合的学生交互数据集，并接收用户提出的遗忘请求；根据遗忘请求将交互数据集划分为遗忘集与保留集；分别计算认知画像模型各参数在遗忘集与保留集上的个体重要性；根据认知画像模型的功能层级将参数分组，计算各功能层在遗忘集上的层级重要性；将个体重要性与层级重要性进行加权融合，得到平滑后的参数重要性；根据平滑后的参数重要性判定参数是否与遗忘集高度相关，对高度相关的参数进行选择性衰减更新。本发明保证了遗忘操作的精确性和可控性，同时最大程度保持模型在保留集上的诊断性能。

本发明授权一种用于保护认知画像中学生隐私的分层遗忘方法在权利要求书中公布了：1.一种用于保护认知画像中学生隐私的分层遗忘方法，其特征在于，包括以下步骤： 获取包含学生集合、题目集合及知识点集合的学生交互数据集，并接收用户提出的遗忘请求； 根据所述遗忘请求将交互数据集划分为遗忘集与保留集； 基于Fisher信息矩阵分别计算认知画像模型各参数在遗忘集与保留集上的个体重要性； 计算个体重要性的表达式为： ； 式中，为模型的损失函数，期望操作表示在数据集上的平均，表示反向传播 运算中的求解偏导操作，表示整个认知画像生成模型的所有可训练参数的集合，表示学 生i对应的模型参数； 根据所述认知画像模型的功能层级将所述参数分组，计算各功能层在所述遗忘集上的层级重要性； 所述认知画像模型包括： 表示模块，用于生成学生、题目及知识点的嵌入向量； 认知交互模块，用于根据嵌入向量计算学生熟练度向量与题目难度向量； 预测模块，用于将熟练度向量与难度向量输入共享前馈网络，输出答题正确概率； 计算层级重要性的表达式为： ； 其中，θ代表整个认知画像生成模型的所有可训练参数的集合；代表模型架构中的一 个功能层，是模型参数集合θ的一个子集；代表待遗忘数据集；表示个体参数重要 性；表示层级重要性； 将所述个体重要性与层级重要性进行加权融合，得到平滑后的参数重要性； 根据所述平滑后的参数重要性判定参数是否与遗忘集高度相关，对高度相关的参数进行选择性衰减更新。

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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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。