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！

龙图腾网恭喜河北习知软件科技有限公司申请的专利基于BERT和协同过滤的题目知识点标签推荐方法及系统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：CN118861268B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202411144885.2，技术领域涉及：G06F16/335；该发明授权基于BERT和协同过滤的题目知识点标签推荐方法及系统是由苑旭;赵铭瑾;张珈鸣;陆志向设计研发完成，并于2024-08-20向国家知识产权局提交的专利申请。

本基于BERT和协同过滤的题目知识点标签推荐方法及系统在说明书摘要公布了：本发明公开了基于BERT和协同过滤的题目知识点标签推荐方法及系统，包括以下步骤：将题目题干、选项拼接组成原文，其中公式采用LateX格式直接拼入，图片使用[IMG]作为占位符；将上述拼接的题目原文，建立倒排索引，作为题目的第一个特征F1；使用预训练BERT模型，将上述题目原文进行语义向量化等。本发明与现有技术相比的优点在于：本发明能够显著降低知识点标签推荐的复杂度，融合关键词和语义相似度算法，显著提升相似题目计算精准度。采用协同过滤算法，得到新增题目知识点标签，且随着题库特征库的不断丰富，可进一步提升知识点标签的准确度。本发明中建立的题库特征库，还可用于根据关键词的检索，相似题目推荐等场景，具备更广泛的适应场景。

本发明授权基于BERT和协同过滤的题目知识点标签推荐方法及系统在权利要求书中公布了：1.基于BERT和协同过滤的题目知识点标签推荐方法，其特征在于包括以下步骤：S1、将题目题干、选项拼接组成原文，其中公式采用LateX格式直接拼入，图片使用[IMG]作为占位符；S2、将上述拼接的题目原文，建立倒排索引，作为题目的第一个特征F1；S3、使用预训练BERT模型，将上述题目原文进行语义向量化，采用meαn方法计算整句语义[CLS]，作为题目的第二个特征F2；S4、上述语义向量化过程中，题目原文超过512长度时，将原文拆分成512长度的分段，计算每个分段的语义[CLS]，然后将所有分段语义取平均值，作为整个题目的第二个特征F2；S5、将上述步骤中取得的题目原文、特征F1、特征F2，以及题目学科、题型、分值等原始特征，作为一个完整特征，存入列式数据库中；S6、按上述步骤对题库中所有题目进行特征化处理，形成题目特征库；S7、新增题目，按上述步骤取得的题目原文Tn；S8、将上述步骤取得的新题目原文Tn，使用分词，使用TextRank算法提取题目关键词，并去掉停用词，得到题目关键词Kwn；S9、使用上述步骤得到的题目关键词Kwn、题目自带的学科特征，在题目特征库中筛选得到题目集合S1；S10、按照上述计算题目特征F2n的方法，计算新题目的语义向量特征F2n；S11、在题目集合S1中，计算与新题目语义向量特F2n的余弦距离，得到余弦相似度Scosq；使用公式1-absScosq计算相似度得分Scoreq，确保Scoreq取值范围为1～0；S12、按相似度得分从大到小顺序，对题目集合S1排序后，截取相似度得分Scoreq0.5的题目，得到相似题目集合S2；S13、取相似度集合S2，剔除没有知识点标签的题目后，取TopNn＝3个题目，作为标签推荐候选集合S3；S14、计算候选集合S3中每个题目的知识点标签得分：i为知识点标签位置，count是题目知识点标签数；S15、合并上述步骤中得到的每个题目中的知识点标签得分率，得到最终知识点标签推荐得分：S16、将上述每个知识点标签的推荐得分Stag从高到低排序，取Top5个，作为最终推荐的知识点标签。

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河北习知软件科技有限公司，其通讯地址为：050000 河北省石家庄市裕华区青园街296号写字楼7层702室；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”。