-
公开(公告)号:CN117708433A
公开(公告)日:2024-03-15
申请号:CN202410005952.6
申请日:2024-01-03
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q30/0601 , G06F18/25 , G06F18/24 , G06F18/214 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多层感知机与自注意力机制的序列推荐方法及系统,该方法包括:在多层感知机结构的基础上,在输入端融合多头自注意力模块,得到MASARec框架;数据处理及预训练,将用户历史数据组织成用户行为序列,使用用户行为序列优化模块对样本用户数据进行预训练;利用预训练后得到的最优参数对MASARec框架进行训练,得到训练完成的MASARec框架;利用训练完成的MASARec框架进行推进结果预测,得到推荐结果。通过使用本发明,能够自适应缩短用户行为序列并充分发掘序列之间的依赖关系来缓解数据过载以及数据的噪音干扰;同时使用结构简单的多层感知机和强大的多头自注意力机制来提高模型的训练效率和推荐的准确性。本发明可广泛应用于推荐系统领域。
-
公开(公告)号:CN115809342A
公开(公告)日:2023-03-17
申请号:CN202211485551.2
申请日:2022-11-24
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/335 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种知识图谱视角下海量学习轨迹的个性化推荐方法,包括如下步骤:数据预处理后构建知识图谱三元组;知识图谱的构建:以课程知识点为节点,以相似度关系和先序关系为边,构建知识图谱;学习轨迹挖掘:挖掘以目标知识点为起点的所有学习轨迹;学习轨迹个性化推荐:为用户推荐学习目标知识点的学习轨迹。本发明通过知识图谱与推荐方法结合的方式,将课程知识点与其他知识图谱属性联系起来,有效地解决了推荐方法稀疏性和冷启动问题。因为大多数用户只知道目标学习对象而不知道起始学习对象,本发明考虑以用户目标学习对象为起点,该方法优于使用开始和结束学习对象的学习轨迹生成方法。
-
公开(公告)号:CN115422171A
公开(公告)日:2022-12-02
申请号:CN202210827371.1
申请日:2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种知识图谱视角下基于图卷积网络的课程知识点推荐方法,包括如下步骤:数据预处理;知识图谱嵌入;信息传播:协作传播是将用户与项目交互中潜在的协作信息编码为用户和项目的表示形式,知识图谱传播则是沿着知识图谱中的高阶链接传播知识关联,通过递归地方式补充边的信息;注意力嵌入:沿着知识图谱中高阶链接递归传播嵌入信息,利用图注意力网络在传播过程中生成注意力权重,基于不同的聚合方式将经过多条传播后的表示聚合为用户和项目的综合表征向量;预测,根据预测完成推荐。本发明通过知识图谱与推荐系统结合的方式,将课程知识点与其他知识图谱属性联系起来,有效地解决了推荐系统稀疏性和冷启动问题。
-
公开(公告)号:CN119474528A
公开(公告)日:2025-02-18
申请号:CN202411454600.5
申请日:2024-10-17
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06N3/092 , G06N5/022 , G06N3/0442 , G06N3/045 , G06Q50/20
Abstract: 本发明涉及数据挖掘推荐技术领域,具体公开了一种基于大语言模型嵌入的图注意力强化学习学习路径推荐方法、系统、设备及存储介质,包括如下步骤:数据预处理;大语言模型嵌入表示;DKT模型预训练;根据大语言模型嵌入表示及数据集原始的先决关系,构建数据知识图谱;用图注意力算法更新图谱内容,用多头注意力稳定学习过程,更新知识点嵌入表示;通过得到的知识点嵌入表示,结合学生历史学习信息,为学生依次推荐出一条学习路径。本发明引入大语言模型对知识点进行嵌入表示,加入图注意力算法及强化学习方法,挖掘了知识点之间的相关性,能够实现快速,合理的为学生推荐学习路径。
-
公开(公告)号:CN117807281A
公开(公告)日:2024-04-02
申请号:CN202410008395.3
申请日:2024-01-04
Applicant: 桂林电子科技大学
IPC: G06F16/9032 , G06F16/901 , G06F16/906 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/045 , G06N3/048
Abstract: 本发明涉及会话推荐技术领域,涉及一种基于多行为异构图和超图增强获取用户短期、动态偏好的推荐方法,包括以下步骤:一、获取用户与系统会话行为信息,组成会话数据;二、将会话数据构造为会话序列:序列内的数据为用户与系统的每一条交互信息,包括浏览、收藏、点赞等;三、将会话序列推送给模型进行训练:将会话序列构建为多行为异构网络图和超图;提出注意力机制捕获不同节点间的权重,形成不同的相邻项目对目标项目的编码增强;四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模,捕获项目间的高阶关系;五、最终通过自监督学习,得到结合多行为和节点信息的损失函数目标;本发明能实现捕获用户短期、动态的偏好,从而进行精准推荐。
-
公开(公告)号:CN115422170A
公开(公告)日:2022-12-02
申请号:CN202210827339.3
申请日:2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了基于图嵌入在异构信息网络视角下为课题推荐学生的方法,包括如下步骤:数据预处理;构建异构信息网络图;在异构信息网络图下,通过随机游走算法,获取不同节点的信息序列;为序列中的节点进行位置信息建模,并通过多头自注意力层帮助模型理解当前节点在该序列中的含义,将多头自注意力层的结果进行残差连接和前馈网络操作,输出课题节点吸收序列中信息后的向量权重;构建课题‑学生之间的正负样本,通过损失计算,对模型进行反馈训练,得到最优模型;本发明引入位置向量编码与随机游走的结合,加入多头自注意力机制,使得序列间的节点信息关联传递不受距离影响,且使得模型的计算复杂度更优,能实现精确、快速的为新课题推荐学生。
-
公开(公告)号:CN115270173A
公开(公告)日:2022-11-01
申请号:CN202210653636.0
申请日:2022-06-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及数据共享技术领域,涉及一种基于双区块链保护下教育数据共享方法,包括:1、用户DG‑ID‑A通过TDSC合约修改SHATE;2、用户DG‑ID‑B使用私钥SKB对待分享课程的课程标识和身份标识进行签名操作,并发送到智能合约;TDSC合约收到请求后,先调用DIRCC合约对身份进行权限检查,并且权限结果返回TDSC合约,将DG‑ID‑B的权限等级与SHATE进行匹配;3、DG‑ID‑A收到请求后,使用私钥将AES密钥进行加密发送,DG‑ID‑B对数据进行解密,得到AES密钥;4、DG‑ID‑B通过AES密钥对数据进行解密,得到原始数据。本发明能较佳地保护了教育数据共享过程的安全性。
-
-
-
-
-
-