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!
申请/专利权人:广州平云信息科技有限公司
摘要:本申请实施例涉及数字文教技术领域,具体涉及基于AIGC的数字文化教育资源个性化匹配方法及系统,通过对用户推送偏好知识表征和会话兴趣线性知识表征进行知识交叉操作,获得信息推荐辅助决策知识,并基于这些知识确定数字文教交互日志的定向订阅内容推送标签。这种方法不仅提高了推送匹配的准确性和个性化程度,还能帮助用户发现更多符合其兴趣和需求的内容资源。
主权项:1.一种基于AIGC的数字文化教育资源个性化匹配方法,其特征在于,应用于大数据推送匹配系统,所述方法包括:在对数字文教交互日志进行解析时,依据每个解析周期内识别出的会话状态风格,获得相应解析周期的用户语言习惯描述;从所述数字文教交互日志中采集数字文教文本,并分别对采集的各个数字文教文本进行会话文本语义挖掘,获得所述各个数字文教文本对应的会话文本嵌入语义;基于获得的各用户语言习惯描述,获得对应的会话兴趣线性知识表征,以及基于获得的各会话文本嵌入语义,获得对应的用户推送偏好知识表征,所述会话兴趣线性知识表征是指基于用户的会话数据构建的线性模型,用于表示用户对不同话题或内容的兴趣程度,所述用户推送偏好知识表征用于描述用户对推送内容的偏好和需求;对所述用户推送偏好知识表征和所述会话兴趣线性知识表征进行知识交叉操作,获得对应的信息推荐辅助决策知识,并基于所述信息推荐辅助决策知识,确定所述数字文教交互日志的定向订阅内容推送标签;对所述用户推送偏好知识表征和所述会话兴趣线性知识表征进行知识交叉操作,获得对应的信息推荐辅助决策知识,并基于所述信息推荐辅助决策知识,确定所述数字文教交互日志的定向订阅内容推送标签,包括:对所述会话兴趣线性知识表征进行知识维度调整操作,使得所述会话兴趣线性知识表征与所述用户推送偏好知识表征的知识维度相同;基于所述用户推送偏好知识表征和所述会话兴趣线性知识表征之间的联动组合结果,获得所述信息推荐辅助决策知识;将所述信息推荐辅助决策知识录入至推送决策树网络,获得所述推送决策树网络输出的定向订阅内容推送标签;所述方法通过大数据推送匹配网络实现,所述大数据推送匹配网络的调试方法包括:通过若干个样例数字文教交互日志,对所述大数据推送匹配网络进行多次循环调试;其中,在每一次循环调试时,实施以下处理:从录入的样例数字文教交互日志中采集数字文教文本,并分别对采集的各数字文教文本进行会话文本语义挖掘,获得对应的会话文本嵌入语义,以及,根据样例数字文教交互日志中每个解析周期的语义断层状态,获得相应解析周期的用户语言习惯描述;基于获得的各会话文本嵌入语义,获得对应的用户推送偏好知识表征,以及基于获得的各用户语言习惯描述,获得对应的会话兴趣线性知识表征;对所述用户推送偏好知识表征和所述会话兴趣线性知识表征进行知识交叉操作,获得对应的信息推荐辅助决策知识,并基于所述信息推荐辅助决策知识,确定定向订阅内容推送标签;基于所述若干个样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定网络调试误差,并基于所述网络调试误差进行神经网络权重改进;所述若干个样例数字文教交互日志为在不同的文本化应用场景下,对会话交互服务器记录的初始会话日志进行下载得到的;则通过若干个样例数字文教交互日志,对所述大数据推送匹配网络进行多次循环调试,包括:基于所述若干个样例数字文教交互日志构建的若干个调试示例集,对所述大数据推送匹配网络进行多次循环调试,每个调试示例集包括来自相同基础数字文教交互日志但文本化应用场景不同的两个样例数字文教交互日志;所述基于所述若干个样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定网络调试误差,包括:基于各调试示例集内样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定所述网络调试误差;其中,基于各调试示例集内样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定所述网络调试误差,包括:基于每个样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定推送决策训练误差;基于每个调试示例集内两个样例数字文教交互日志的先验订阅内容推送标签,确定该调试示例集的推送整理先验注释,并基于两个样例数字文教交互日志的定向订阅内容推送标签的联动组合结果以及所述推送整理先验注释,确定推送整理训练误差;基于每个样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签之间的联动组合结果,确定推送归纳训练误差;基于所述推送决策训练误差、所述推送整理训练误差和所述推送归纳训练误差,确定所述网络调试误差;其中,基于各调试示例集内样例数字文教交互日志的先验订阅内容推送标签以及定向订阅内容推送标签,确定所述网络调试误差,包括:确定所述录入的样例数字文教交互日志的先验订阅内容推送标签的第一标签变量,以及定向订阅内容推送标签的第二标签变量;对于每个样例数字文教交互日志,确定先验订阅内容推送标签与所述第一标签变量之间的第一联动组合结果,以及定向订阅内容推送标签与所述第二标签变量之间的第二联动组合结果;基于获得的各第一联动组合结果以及各第二联动组合结果,确定所述录入的样例数字文教交互日志的推送动态更新训练误差;基于所述推送动态更新训练误差,确定所述网络调试误差。
全文数据:
权利要求:
百度查询: 广州平云信息科技有限公司 基于AIGC的数字文化教育资源个性化匹配方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。