-
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:CN117911208A
公开(公告)日:2024-04-19
申请号:CN202311661886.X
申请日:2023-12-05
Applicant: 桂林电子科技大学
IPC: G06Q50/20 , G06F16/735 , G06F16/9535 , G06F16/901 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于双重感知图的学习个性化推荐方法、装置及介质,包括如下:数据预处理,将数据去噪之后分别从数据中提取出项目的模态信息和用户的行为信息,定义辅助行为和目标行为;通过用户与项目的交互信息,构建用户与项目的行为感知和模态感知交互图;基于不同感知交互图将用户对项目的模态感知信息融合到用户行为感知信息的嵌入表示,得到具有个性化兴趣偏好的用户建模;使用对比损失函数和贝叶斯排序损失函数训练模型中的参数。本发明基于用户对项目的模态感知信息来辅助增强用户的行为感知信息,与传统推荐算法相比,更好地对用户进行个性化建模。
-