买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国电子科技集团公司第十五研究所申请的专利一种基于双塔图卷积神经网络的在线课程推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116992151B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311066471.8，技术领域涉及：G06F16/9535；该发明授权一种基于双塔图卷积神经网络的在线课程推荐方法是由张晓伟;胡满;董文涛;崔伟;林媛媛;张雪鑫;张士太;董玉才;尹张铭佳;李震宇;袁子晴;肖涵设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本一种基于双塔图卷积神经网络的在线课程推荐方法在说明书摘要公布了：本公开是关于一种基于双塔图卷积神经网络的在线课程推荐方法。其中，该方法包括：获取学习平台数据，并进行数据预处理生成训练样本数据；以包含元路径的所述训练样本数据作为模型输入数据，以课程推荐列表作为模型输出数据，建立基础模型；对所述基础模型基于预设双塔式网络结构进行特征提取和优化网络特征表示能力，基于自一致性学习算法进行模型输出优化，基于权重冷启动策略对推荐准确性进行优化，生成在线课程智能推荐系统模型；基于所述在线课程智能推荐系统模型完成在线课程推荐。本公开将双塔网络结构和自一致性学习算法结合，从模型结构和模型训练多个层面优化在线课程推荐系统的性能。

本发明授权一种基于双塔图卷积神经网络的在线课程推荐方法在权利要求书中公布了：1.一种基于双塔图卷积神经网络的在线课程推荐方法，其特征在于，所述方法包括： 获取学习平台数据，并对所述学习平台数据进行数据预处理生成训练样本数据； 以包含元路径的所述训练样本数据作为模型输入数据，以课程推荐列表作为模型输出数据，建立基于图卷积神经网络的在线课程智能推荐系统基础模型：还包括： 以包含元路径的所述训练样本数据作为模型输入数据，以课程推荐列表作为模型输出数据，包含元路径的所述训练样本数据为将所述元路径集合转换为对应的邻接矩阵其中n表示提取的元路径数量； 采用多层的图卷积神经网络模型来学习学生和课程的表征； 采用自适应机制，添加一个可通过模型自动学习的映射向量s，用于为不同的图卷积层分配权重，从而在输出表征中自适应调节各个图卷积层所占比例； 采用注意力机制，利用元路径之间的相关性来学习不同元路径的重要性，并将所述重要性作为不同元路径的权重，实现对不同元路径所生成的表征的融合； 将所述学生和课程的表征矩阵相乘，得到包含学生对每个课程评分的矩阵，去除预设的学习课程后，选取前K个课程作为推荐列表； 对所述在线课程智能推荐系统基础模型，基于预设双塔式网络结构进行特征提取和优化网络特征表示能力，还包括： 将所述在线课程智能推荐系统基础模型复刻为双塔的形式，采用统一的优化函数对模型的训练损失进行调整； 双塔网络结构中将利用Dropout算法，对训练样本的特征表示随机置零，所述模型的训练损失为： 其中，lossmodel为双塔模型整体损失，lossmodel1，lossmodel2分别为双塔结构中两个模型的损失，pi为双塔网络结构中模型训练输出，y为数据真实标签，M为训练样本数量； 基于自一致性学习算法进行模型输出优化，还包括： 基于余弦相似度函数计算双塔网络输出p1，p2之间的相似度值，并且通过模型训练优化所述相似度值自一致性优化算法为： 其中，函数E为利用余弦相似度函数计算双塔结构中两个模型输出之间的相似度值，p1，p2分别为双塔结构中两个模型的训练输出，Loss为通过自一致性算法得到的损失，β为相似度值所占权重； 基于权重冷启动策略对推荐准确性进行优化，生成在线课程智能推荐系统模型； 基于所述在线课程智能推荐系统模型完成基于双塔图卷积神经网络的在线课程推荐。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国电子科技集团公司第十五研究所，其通讯地址为：100083 北京市海淀区北四环中路211号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。