standard download
文库搜索
切换导航
文件分类
频道
仅15元无限下载
联系我们
问题反馈
文件分类
仅15元无限下载
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210927627.6 (22)申请日 2022.08.03 (71)申请人 成都航空职业 技术学院 地址 610199 四川省成 都市龙泉驿区车城 东七路69 9号 (72)发明人 罗影 门正兴 董洁 于蓓莉 白晶斐 张靓 (74)专利代理 机构 成都正德明志知识产权代理 有限公司 513 60 专利代理师 鲍利蕊 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06N 3/04(2006.01) G06Q 50/20(2012.01) (54)发明名称 一种基于GNN模 型的学分银行信息智能推荐 方法 (57)摘要 本发明公开了一种基于GNN模型的学分银行 信息智能推荐方法, 包括以下步骤: S1、 构建学分 银行中课程、 证书、 以及职业之间关联的知识图 谱; S2、 构建GNN模型; S3、 将知识图谱作为GNN模 型的输入, 获得信息推荐排序结果。 本发明克服 了一般信息推荐受数据稀 疏性和冷启动的制约, 通过GNN引入边的信息来客服这一不足, 实现了 对学分银行系统中个性化学习推荐系统的优化, 使得学习者能在学分银行中, 通过填写课程、 证 书、 职业信息, 得到系统更为智 能的个性化学习 推荐, 对学习者的学习提供了更为精准的推荐, 使得用户对学分银行系统的粘度保持在较高水 平, 也更利于学分银行的推广。 权利要求书2页 说明书5页 附图2页 CN 115186193 A 2022.10.14 CN 115186193 A 1.一种基于GN N模型的学分银 行信息智能推荐方法, 其特 征在于, 包括以下步骤: S1、 构建学分银 行中课程、 证书、 以及职业之间关联的知识图谱; S2、 构建GNN模型; S3、 将知识图谱作为GN N模型的输入, 获得信息推荐排序结果。 2.根据权利要求1所述的基于GNN模型的学分银行信息智能推荐方法, 其特征在于, 所 述步骤S1具体为: S11、 获取学分银行中学员学习经历 历史数据, 构建学员学习经历记录集 合; 其中, 学员学习经历历史数据包括学习领域、 重点度、 课程、 成绩、 科目衍生领域以及科 目关联表; S12、 基于学员学习经历 历史数据对其进行能力鉴定, 构建学员成果积累集 合; S13、 分析 学分银行中学员的其 他学习成果, 构建学员发展方向集 合; 其中, 其他学习成果包括职业、 工作经验以及工作技能; S14、 将学员学习经历记录集合、 学员成果积累集合, 以及学员发展方向集合进行三元 组化, 以课程、 证书、 职业作为三元组, 生成图表示的课程、 证书及证书之间关联的知识图 谱; 其中, 在知识图谱中, 将课程以外的其他学员学习经历历史数据作为课程的属性, 将证 书以外的其他学员学习成果作为证书的属性, 将职 业以外的其他学员发展方向作为职业的 属性。 3.根据权利要求1所述的基于GNN模型的学分银行信息智能推荐方法, 其特征在于, 所 述步骤S2中的GN N模型包括依次连接的图编码层、 哈希编码层, 以及损失函数层; 所述图编码层用于对输入的知识图谱进行图编码, 得到图特 征; 所述哈希编码层用于对图特 征进行哈希编码, 生成哈希码; 所述损失函数层包括并列的交叉熵损 失函数以及排序结构增强损 失函数, 其中, 交叉 熵损失函数用于计算当前哈希码的交叉熵损失并根据其更新所述知识图谱的拓扑结构, 排 序结构增强损失函数用于对哈希码进行排序, 得到对应的信息推荐排序结果。 4.根据权利要求3所述的基于GNN模型的学分银行信息智能推荐方法, 其特征在于, 所 述图编码器为一个三层的图卷积神经网络, 所述图卷积神经网络将输入的知识图谱生成一 个节点的中间表示 作为图特 征, 即 为深度为 l层上节点vi的中间表示; 其中, σ(*)为tanh激活函数, Wl为第l层的权重矩阵, MEAN{*}为平均聚合器, N(vi)为节 点vi的邻居集 合。 5.根据权利要求4所述的基于GNN模型的学分银行信息智能推荐方法, 其特征在于, 所 述哈希编码层为 一个全连接的哈希编码层; 所述哈希编码层对图特 征进行哈希编码生成哈希码的方法具体为: 将节点vi的中间表示 转换为K维的嵌入向量zi∈RK, zi=σ(WTui+b); 利用符号 函数将连续的K维的嵌入向量zi转换为二进制码, 作为哈希码; 其中, W为参数矩阵, b为偏置向量, σ(*)为tanh 激活函数, ui节点vi的中间表示。权 利 要 求 书 1/2 页 2 CN 115186193 A 26.根据权利要求3所述的基于GNN模型的学分银行信息智能推荐方法, 其特征在于, 所 述交叉熵损失函数Lcross的表达式为: 式中, M为类别的数量, yic为符号函数, 当样本i的真实类别为c时取1, 否则取0, pic为观 测样本i属于类别c的预测概 率; 所述排序结构增强损失函数Lsort的表达式为: Lsort=L(F(x),y)=exp( ‑NDCG) 式中, F(·)为评分函数, x为输入样本, y为输出评分, NDCG为样本搜索时的评价指标。权 利 要 求 书 2/2 页 3 CN 115186193 A 3
专利 一种基于GNN模型的学分银行信息智能推荐方法
文档预览
中文文档
10 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
赞助2.5元下载(无需注册)
温馨提示:本文档共10页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2.5元下载
本文档由 人生无常 于
2024-03-17 23:38:01
上传分享
举报
下载
原文档
(500.8 KB)
分享
友情链接
GB/T 25387.2-2021 风力发电机组 全功率变流器 第2部分:试验方法.pdf
安华金和 基于数据安全治理.pdf
GB-T 42775-2023 证券期货业数据安全风险防控 数据分类分级指引.pdf
GB-T 4356-2016 不锈钢盘条.pdf
GB-T 35277-2017 信息安全技术 防病毒网关安全技术要求和测试评价方法.pdf
GM-T 0125.3-2022 JSON Web 密码应用语法规范 第3部分:数据加密.pdf
GB-T 18386.2-2022 电动汽车能量消耗量和续驶里程试验方法 第2部分:重型商用车辆.pdf
GB-T 13606-2007 土工试验仪器 岩土工程仪器 振弦式传感器通用技术条件.pdf
T-CES 173—2022 锂离子电池储能舱技术规范.pdf
GB-T 20257.3-2017 国家基本比例尺地图图式 第3部分:125 000 150 000 1100 000地形图图式.pdf
奇安信 2021工业互联网安全发展与实践分析报告.pdf
GB-T 33136-2016信息技术服务数据中心服务能力成熟度模型.pdf
GB-T 10001.3-2021 公共信息图形符号 第3部分:客运货运符号.pdf
DB5304-T 038 蓝莓种植技术规程 玉溪市.pdf
ISO TR 17987-5-2016.pdf
GB-T 21062.1-2007 政务信息资源交换体系 第1部分:总体框架.pdf
GM-T 0081-2020 SM9密码算法加密签名消息语法规范.pdf
YD-T 3228-2023 移动应用软件安全评估方法.pdf
T-CIDADS 00011—2022 数字大屏可视化设计指南.pdf
GB-T 3364-2008 碳纤维直径和根数试验方法.pdf
1
/
3
10
评价文档
赞助2.5元 点击下载(500.8 KB)
回到顶部
×
微信扫码支付
2.5
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。