-
公开(公告)号：CN119202370A
公开(公告)日：2024-12-27
申请号：CN202411082335.2
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/36 , G06N3/042 , G06N3/084 , G06N3/0464 , G06Q50/20
Abstract: 本发明公开了基于知识图谱特征提取的电子教育资源推荐方法及系统，该方法将实体和关系数据表示成知识图谱结构以构建电子教育资源知识图谱；其中节点表示实体，边表示实体间的关系；确定电子教育资源知识图谱的节点嵌入表示和关系嵌入表示；将节点嵌入表示和关系嵌入表示输入神经网络模型输出深度嵌入层表示和交互特征；利用神经网络模型处理深度嵌入层表示和交互特征以提取特征模式，并利用特征模式预测电子教育资源知识图谱中学习者和教育资源两个节点之间是否存在学习关系的边，以基于预测结果进行电子教育资源的推荐。本发明动态地调整教育资源之间的重要性权重，最终实现对学习者未来可能感兴趣的教育资源预测和个性化推荐。
-
公开(公告)号：CN119166882A
公开(公告)日：2024-12-20
申请号：CN202411013117.3
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: G06F16/953 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N5/02
Abstract: 本申请提出了一种基于无监督伪负标签策略的的学术论文评审人推荐方法，包括：获取异构的学术知识图谱并分解，得到表示论文和评审人交互行为的二部图和描述节点信息的知识图谱；使用两阶段编码器分别对二部图和知识图谱进行编码，得到各节点的基本嵌入表示，并通过聚合运算分别将每个节点的基本嵌入表示融合，得到各节点的融合嵌入表示；通过图对比学习对各节点的融合嵌入表示精调，在图对比学习时使用对节点聚类得到的伪标签提取负样本，并进行正样本嵌入表示学习，得到各节点的最终嵌入表示；选定待预测的评审人和论文，通过推荐网络基于对应的节点的最终嵌入表示预测评审发生概率。采用上述方案的本发明实现了有效且准确的学术评审人的推荐。
-
公开(公告)号：CN118484528A
公开(公告)日：2024-08-13
申请号：CN202410665810.2
申请日：2024-05-27
Applicant: 北京邮电大学
IPC: G06F16/335 , G06F16/9536 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及论文推荐技术领域，尤其是指一种学术论文推荐方法、装置、设备及计算机存储介质。本发明所述的学术论文推荐方法，构建统一的知识图谱，通过神经网络同时考虑文本内容和学术图谱信息，实现用户和论文等关键实体的准确量化描述；本发明还提出一种深度学习推荐模型，根据输入用户过去的行为和实体特征，自动地调整权重从而更有效地捕捉序列中的重要信息；本发明挖掘大规模异质图谱中的学习者行为并将其与学习者当前的主题文本偏好相融合，自主学习学者和学术论文的向量表示并挖掘学者与未来论文的潜在关系，实现了精准的学术论文推荐。
-
公开(公告)号：CN118708807A
公开(公告)日：2024-09-27
申请号：CN202410765488.0
申请日：2024-06-14
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06Q50/20 , G06F18/22 , G06Q10/0639 , G06F40/284 , G06F16/36 , G06N5/022
Abstract: 本申请提出了一种基于张量分解技术的个性化课程推荐方法及装置，该方法包括：根据原始异质评教数据构建含有个人关系网络和课程评教网络的异质学生教学评价图谱，并基于图结构的学习方法衡量每个学生之间的个性化差异得到学生表征向量；利用任意两个学生表征向量之间的余弦距离，结合每个学生的知识掌握情况，进行学生个性化程度的评估；根据评估结果，将原始异质评教数据转换为定量的新数据形式，并将新数据形式在学生、课程和个性化类型三个维度上进行组合，构建学生教学评估张量；将学生教学评估张量作为特征输入，将评价分数作为预测目标，通过随机梯度下降法训练预测模型，完成课程评价预测。本申请能够实现准确的学生个性化课程推荐。
-
-
-
Search Results
4
records
(took 0.026 seconds)
