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！

龙图腾网获悉中国人民武装警察部队云南省总队医院;云南师范大学申请的专利基于知识图谱的教学内容整合方法、系统及存储介质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：CN121303148B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511877315.9，技术领域涉及：G06F40/30；该发明授权基于知识图谱的教学内容整合方法、系统及存储介质是由贺云霞;李仁康;孙广玲;刘远飞;师娟;韩丽芬设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本基于知识图谱的教学内容整合方法、系统及存储介质在说明书摘要公布了：本申请涉及数据处理技术领域，公开了一种基于知识图谱的教学内容整合方法、系统及存储介质。该方法包括：对多源教学资源进行认知难度标注，构建概念本体库；通过前置依赖矩阵算法融合语义相似度与认知跨度，生成前置依赖图谱；进行六层认知层次编码，得到多层次语义矩阵；将学习者认知能力与语义矩阵动态规划重组，生成自适应内容序列；构建时间戳融合空间，通过关系衰减模型演化图谱，得到动态个性化学习路径。本申请解决了现有基于知识图谱的教学内容整合方法中认知负荷量化缺失、概念依赖关系挖掘不准确、静态知识表示局限和动态更新滞后的问题。

本发明授权基于知识图谱的教学内容整合方法、系统及存储介质在权利要求书中公布了：1.一种基于知识图谱的教学内容整合方法，其特征在于，所述方法包括： 对多源教学资源进行认知难度系数标注处理，得到包含认知属性向量的教学概念本体库； 通过前置依赖矩阵算法对所述教学概念本体库进行语义相似度与认知跨度融合计算处理，得到概念前置依赖图谱，包括：将教学概念本体库中的教学概念输入Word2Vec模型进行向量化处理，得到概念语义向量集合；基于概念语义向量集合构建前置依赖矩阵，其中矩阵的行列分别对应教学概念，矩阵元素值表示概念间的前置依赖强度，通过语义相似度、时序依赖度和认知跨度三个维度的融合计算处理，得到初始前置依赖强度矩阵，其中，时序依赖度通过分析概念在课程大纲、教材章节中的位置关系确定时间上的先后依赖性，认知跨度通过比较两个概念的三维认知属性向量中的难度系数来衡量认知复杂度的差距；将三维认知属性向量输入权重优化算法进行参数调整处理，得到语义相似度、时序依赖度和认知跨度的权重系数组合，其中三维认知属性向量包含教学概念的难度系数、学习时长系数和前置概念数量；根据权重系数组合对初始前置依赖强度矩阵进行加权融合计算处理，得到加权前置依赖矩阵；将加权前置依赖矩阵输入阈值判定算法进行依赖关系筛选处理，当依赖强度值超过预设阈值时确定概念间存在前置依赖关系，得到概念前置依赖图谱； 根据所述概念前置依赖图谱对教学概念进行六层认知层次分解编码处理，得到多认知层次语义表示矩阵； 将学习者认知能力向量与所述多认知层次语义表示矩阵进行认知负荷约束下的动态规划重组处理，得到认知负荷自适应内容序列，其中学习者认知能力向量基于学习者的历史学习数据和认知测试结果构建六维认知能力特征，包括记忆容量、理解速度、应用熟练度、分析深度、评价准确度和创新倾向度得到；将所述学习者认知能力向量与所述多认知层次语义表示矩阵进行匹配度计算处理，通过概念认知需求与学习者能力的差异分析，得到概念认知负荷系数集合； 基于所述认知负荷自适应内容序列构建时间戳标记的增量更新融合空间，通过关系强度衰减模型进行知识图谱演化处理，得到动态个性化学习路径，包括：将所述认知负荷自适应内容序列中的每个教学概念进行时间戳标记处理，记录概念的创建时间、更新时间和访问时间，得到时间戳标记的概念序列；基于所述时间戳标记的概念序列构建四元组融合空间结构，包含概念集合、关系集合、时间集合和更新操作集合四个维度，通过空间索引算法进行数据组织处理，得到增量更新融合空间；将所述概念前置依赖图谱中的概念关系输入关系强度衰减模型进行时效性计算处理，关系强度衰减模型基于知识时效性原理对概念间关系的强度进行动态调整；通过指数衰减函数对关系强度进行时间权重调整，得到时间衰减的关系强度矩阵；根据所述时间衰减的关系强度矩阵对所述增量更新融合空间进行知识图谱更新处理，通过新旧关系强度的加权融合计算和冲突检测机制，得到演化后的知识图谱结构；基于所述演化后的知识图谱结构对所述认知负荷自适应内容序列进行路径优化处理，通过A星搜索算法结合学习者反馈数据进行路径重规划，得到动态个性化学习路径。

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中国人民武装警察部队云南省总队医院;云南师范大学，其通讯地址为：650111 云南省昆明市西山区碧鸡镇冷水塘73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。