[发明专利]一种基于知识图谱的学习内容推荐方法在审
| 申请号： | 201910773390.9 | 申请日： | 2019-08-21 |
| 公开（公告）号： | CN110489540A | 公开（公告）日： | 2019-11-22 |
| 发明（设计）人： | 陈力;方进锋;陈国礼;陈洁松;孔小飞;孙立军;徐海燕 | 申请（专利权）人： | 合肥天源迪科信息技术有限公司 |
| 主分类号： | G06F16/335 | 分类号： | G06F16/335;G06F16/33;G06F16/36 |
| 代理公司： | 31253 上海精晟知识产权代理有限公司 | 代理人： | 孙永智<国际申请>=<国际公布>=<进入 |
| 地址： | 230000 安徽省合*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于知识图谱的学习内容推荐方法，涉及知识图谱技术领域。本发明包括如下步骤：获取学习设备上原始数据集；将本体库与原始数据集相互融合获取基础知识图谱；通过深度学习的Node2Vec网络表示算法，将基础知识图谱中的实体嵌入到n维空间；计算知识图谱之间的相似性；对基础推荐模型产生的特征比例权重集合，通过Node2Vec构建反馈特征模型；反馈模型与基础推荐模型构成混合模型；在混合模型上进行排序学习，产生Top‑N推荐列表。本发明构建基础知识图谱，通过排序学习构建反馈特征模型，融合用户兴趣迁移模型，再与基础特征模型构建混合模型，对混合模型进行排序学习产生Top‑N推荐列表，使知识图谱中不同特征融合更加快捷，提升了个性化推荐效果。 | ||
| 搜索关键词： | 图谱 混合模型 基础知识 构建 排序 原始数据集 特征模型 反馈 学习 个性化推荐 基础特征 模型产生 模型构建 特征融合 网络表示 学习内容 学习设备 用户兴趣 融合 权重 算法 嵌入 集合 迁移 | ||
【主权项】：
1.一种基于知识图谱的学习内容推荐方法，其特征在于，包括如下步骤：/n步骤S1：获取大量用户在学习设备上的用户信息以及对应的学习数据和浏览记录作为原始数据集；/n步骤S2：将本体库与原始数据集相互融合获取基础知识图谱；/n步骤S3：通过深度学习的Node2Vec网络表示算法，将基础知识图谱中的实体嵌入到n维空间；/n步骤S4：计算知识图谱之间的相似性，构建训练模型作为排序学习模型的输入；/n步骤S5：对基础推荐模型产生的特征比例权重集合，融合用户兴趣迁移模型生成混合知识图谱，并通过Node2Vec构建反馈特征模型；/n步骤S6：反馈模型与基础推荐模型构成混合模型；/n步骤S7：在混合模型上进行排序学习，产生Top-N推荐列表。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于合肥天源迪科信息技术有限公司，未经合肥天源迪科信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910773390.9/，转载请声明来源钻瓜专利网。
