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！

龙图腾网获悉安徽大学申请的专利基于异构图去噪注意力网络的学习资源推荐方法和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：CN119848659B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411881241.1，技术领域涉及：G06F18/2415；该发明授权基于异构图去噪注意力网络的学习资源推荐方法和系统是由张以文;李兴旺;桑磊设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于异构图去噪注意力网络的学习资源推荐方法和系统在说明书摘要公布了：本发明提供一种基于异构图去噪注意力网络的学习资源推荐方法及系统。引入基于元路径的传播约束概率，衡量学生与资源、知识点之间的可靠性关系，有效降低噪声邻居的权重；采用可微分掩码操作，动态屏蔽低置信度的噪声邻居，从而净化注意力机制，提升学生与学习资源之间的匹配精度。这种方法能够更高效地捕获学生、资源和知识点之间的多语义关系，同时缓解噪声干扰，显著提升学习资源推荐的效果，为学生提供精准的个性化学习支持，从而有效提高学习效率和效果。

本发明授权基于异构图去噪注意力网络的学习资源推荐方法和系统在权利要求书中公布了：1.基于异构图去噪注意力网络的学习资源推荐方法，其特征在于，包括以下步骤： S1.从教育平台收集学生、学习资源数据，构建学生-资源交互图和其他关系图，生成异构图并划分为训练集、验证集和测试集，同时初始化节点特征作为模型输入； S2.通过多种元路径在异构图中捕获节点间的语义关系；采用节点级注意力聚合邻居信息，再通过语义级注意力融合不同元路径嵌入，生成多语义节点表示； S3.在元路径聚合中引入传播约束概率，结合节点特征相似性计算邻居置信度，从而识别出噪声邻居并指导模型聚合积极邻居的信息； S4.设计可微分掩码操作，根据置信度筛选邻居节点，掩蔽不可靠节点并通过softmax生成净化注意力值进行节点级聚合；最后通过语义级注意力融合节点级嵌入，生成节点的最终表示； S5.利用语义级聚合的节点嵌入，通过点积预测学生与学习资源的交互概率；采用BPR损失优化正负样本分数差异，并用SGD和Adam优化器训练模型，最终通过验证集调参和测试集评估性能； 所述S4具体包括以下内容： S401：设计可微分掩码操作，对于目标节点，通过构造掩码向量即置信度对掩码操作进行建模： 其中，用于控制邻居节点对目标节点的影响； S402：掩蔽不可靠邻居节点，通过步骤S401，已甄别出不可靠的邻居节点，并将其掩码值设置为；当对邻居节点的掩码值和基于特征的重要性之和应用softmax函数时，不可靠的邻居节点将被有效剪枝； S403：生成净化的注意力权重，掩码向量被用作注意力掩码，用于过滤掉不可靠的邻居节点，并通过softmax函数计算净化后的注意力值： ； S404：基于净化注意力值的节点级聚合，对于目标节点，净化的注意力值被引入到异构图神经网络的节点级聚合过程中，用于屏蔽不可靠邻居并去除异构图中的噪声；节点级嵌入向量通过以下公式计算： 其中，是通过元路径获得的目标节点的节点级嵌入表示，是邻居节点的投影向量，是基于元路径确定的邻居节点集合，是激活函数； S405：采用语义级注意力机制进一步评估不同元路径对目标节点嵌入的贡献；对于一组元路径和目标节点，获得节点的一组节点级嵌入向量；随后，通过以下公式计算元路径的重要性： 其中和分别表示多层感知机MLP的权重矩阵和偏差项；是用于捕获语义级别重要性的注意力向量； S406：语义级注意力权重归一化与最终节点嵌入，通过对元路径的重要性权重应用softmax函数进行归一化，得到语义级注意力权重；最终，通过语义级聚合，将不同元路径下的节点级嵌入综合为目标节点的最终嵌入表示： 。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。