基于知识图谱与图注意力网络的课程推荐方法

    公开(公告)号:CN116431834A

    公开(公告)日:2023-07-14

    申请号:CN202310506033.2

    申请日:2023-05-08

    Abstract: 本发明涉及机器学习、深度学习、推荐算法以及数据挖掘等技术领域,具体是一种基于知识图谱与图注意力网络的课程推荐方法。本发明整体为收集课程数据构建知识图谱三元组(头节点,关系,尾节点)数据,利用模型推荐模块对输入用户、物品和用户对物品的喜好值进行训练,提取用户和物品的高阶特征信息;利用模型表示学习模块对输入的知识图谱三元组数据进行训练;模型信息交互单元模块对物品在推荐任务中的特征与其在知识图谱中表示学习中的特征进行融合,同时输入节点连接信息,辅助算法进行节点邻域信息的增强;最后,将得到的用户和物品特征向量表示,通过向量积计算得分,然后将得分进行归一化处理得到用户对物品的喜好值的预测。

    融合知识图谱和图神经网络的课程推荐方法

    公开(公告)号:CN116304336A

    公开(公告)日:2023-06-23

    申请号:CN202310274374.1

    申请日:2023-03-21

    Abstract: 本发明涉及数据挖掘技术领域,具体涉及一种融合知识图谱和图神经网络的课程推荐方法,通过在个性化课程推荐中引入知识图谱模型,提高了方法的可解释性,同时在构建知识图谱过程中,引入数据爬取和开源数据库,丰富课程信息,解决数据稀疏性的问题,提高模型鲁棒性,再通过将知识图谱转化为知识异构图,然后采用图神经网络进行知识异构图表示学习,对每一种关系抽取一个对应二部图,每一个二部图使用一种图神经网络进行消息传递,实体间以各自的消息传递机制,聚合邻域信息并传播自身信息,挖掘高阶的关系表示,弥补了现有推荐方法的不足。

Patent Agency Ranking