買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華南理工大學(xué)申請(qǐng)的專利一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115630153B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211409115.7，技術(shù)領(lǐng)域涉及：G06F16/335；該發(fā)明授權(quán)一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法是由師嬌;許勇;李中行;吳小坤設(shè)計(jì)研發(fā)完成，并于2022-11-11向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法在說(shuō)明書摘要公布了：本發(fā)明公開了一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法，包括：基于相似度的預(yù)推薦方法和基于深度學(xué)習(xí)的個(gè)性化推薦方法；基于相似度的預(yù)推薦方法初步衡量用戶感興趣文獻(xiàn)，為用戶生成推薦表，通過(guò)用戶反饋收集用戶?項(xiàng)目交互信息；基于深度學(xué)習(xí)的個(gè)性化推薦方法首先生成個(gè)性化用戶及項(xiàng)目表示，采用圖神經(jīng)網(wǎng)絡(luò)構(gòu)建用戶?項(xiàng)目交互關(guān)聯(lián)，利用可學(xué)習(xí)超圖網(wǎng)絡(luò)建立用戶?用戶、項(xiàng)目?項(xiàng)目全局關(guān)聯(lián)，結(jié)合預(yù)推薦方法生成標(biāo)簽優(yōu)化推薦策略。本發(fā)明根據(jù)研究生研究性學(xué)習(xí)活動(dòng)規(guī)律，引進(jìn)個(gè)性化推薦策略，通過(guò)采用大數(shù)據(jù)信息技術(shù)，實(shí)現(xiàn)了以研究生個(gè)性化研究性學(xué)習(xí)需求驅(qū)動(dòng)為中心的精準(zhǔn)文獻(xiàn)資源推薦。

本發(fā)明授權(quán)一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法在權(quán)利要求書中公布了：1.一種基于大數(shù)據(jù)技術(shù)的研究生文獻(xiàn)資源推薦方法，其特征在于，包括： 獲取用戶感興趣研究領(lǐng)域信息； 基于相似度的預(yù)推薦方法，將用戶感興趣研究領(lǐng)域信息和預(yù)設(shè)文獻(xiàn)類型進(jìn)行匹配，得到相似度； 將相似度按照由高到低的順序?qū)ξ墨I(xiàn)類型進(jìn)行排列，得到初步用戶文獻(xiàn)推薦表； 獲取用戶反饋信息； 根據(jù)用戶反饋信息和初步用戶文獻(xiàn)推薦表，得到用戶-項(xiàng)目交互信息； 基于深度學(xué)習(xí)的個(gè)性化推薦方法，根據(jù)用戶-項(xiàng)目交互信息，將文獻(xiàn)資源按照模塊進(jìn)行推薦； 所述基于深度學(xué)習(xí)的個(gè)性化推薦方法：搭建自監(jiān)督深度學(xué)習(xí)網(wǎng)格，包括：用戶項(xiàng)目個(gè)性化表示模塊；用戶-項(xiàng)目交互表示模塊；用戶-用戶、項(xiàng)目-項(xiàng)目全局關(guān)聯(lián)模塊；自監(jiān)督增強(qiáng)學(xué)習(xí)模塊以及迭代式更新模塊； 所述用戶項(xiàng)目個(gè)性化表示模塊，具體為： 獲取用戶信息； 基于融合用戶多信息的方式，得到用戶個(gè)性化表示信息； 將用戶信息發(fā)送至預(yù)設(shè)嵌入層，得到用戶信息生成嵌入表示信息； 根據(jù)注意力網(wǎng)絡(luò)衡量不同特征對(duì)推薦任務(wù)的影響權(quán)重，并利用全連接網(wǎng)絡(luò)層融合不同權(quán)值特征，得到用戶初級(jí)表征信息； 根據(jù)預(yù)設(shè)嵌入層為不同文獻(xiàn)類型生成嵌入表示，得到項(xiàng)目初級(jí)表征信息； 所述用戶-項(xiàng)目交互表示模塊，具體為： 根據(jù)預(yù)設(shè)的圖卷積網(wǎng)絡(luò)的消息傳遞機(jī)制，得到更新用戶項(xiàng)目表示信息； 將項(xiàng)目-交互表信息發(fā)送至預(yù)設(shè)的圖卷積網(wǎng)絡(luò)，得到用戶-項(xiàng)目交互圖； 通過(guò)聚合鄰接節(jié)點(diǎn)表示學(xué)習(xí)用戶-項(xiàng)目局部交互關(guān)系，得到第一對(duì)比學(xué)習(xí)視圖； 所述用戶-用戶、項(xiàng)目-項(xiàng)目全局關(guān)聯(lián)模塊，具體為： 采用可學(xué)習(xí)超圖結(jié)構(gòu)進(jìn)行關(guān)聯(lián)學(xué)習(xí)； 所述可學(xué)習(xí)超圖結(jié)構(gòu)由一組可學(xué)習(xí)超邊組成，不同的用戶項(xiàng)目作為不同節(jié)點(diǎn)，每條可學(xué)習(xí)超邊作為信息樞紐，以不同的權(quán)重連接所有的用戶項(xiàng)目，從全局的視角中聚集所有用戶項(xiàng)目的信息以更新自身節(jié)點(diǎn)的嵌入表示，得到第二對(duì)比學(xué)習(xí)視圖； 不同的超邊作為不同的通道從多個(gè)的語(yǔ)義維度捕獲用戶-用戶、項(xiàng)目-項(xiàng)目之間的復(fù)雜連接關(guān)系； 所述可學(xué)習(xí)超圖網(wǎng)絡(luò)結(jié)構(gòu)，具體為： 通過(guò)低秩分解的方法生成可學(xué)習(xí)超圖參數(shù)矩陣； 根據(jù)所述用戶初級(jí)表征與項(xiàng)目初級(jí)表征，結(jié)合可學(xué)習(xí)多層感知機(jī)網(wǎng)絡(luò)，生成可學(xué)習(xí)超圖結(jié)構(gòu)； 所述自監(jiān)督增強(qiáng)學(xué)習(xí)模塊，具體為： 采用對(duì)比學(xué)習(xí)方法，將不同視圖作為對(duì)比學(xué)習(xí)對(duì)象，利用互信息最大化機(jī)制優(yōu)化模型梯度； 將所述第一對(duì)比學(xué)習(xí)視圖與所述第二對(duì)比學(xué)習(xí)視圖進(jìn)行對(duì)比學(xué)習(xí)；將不同視圖下相同用戶項(xiàng)目作為正例對(duì)；將不同視圖下不同用戶項(xiàng)目作為負(fù)例對(duì)，以互信息最大化函數(shù)作為優(yōu)化方程，得到具有辨別性的用戶項(xiàng)目表征； 所述迭代式更新模塊，具體為：采用迭代式更新策略，對(duì)用戶-項(xiàng)目交互表以及模型參數(shù)進(jìn)行周期性更新。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人華南理工大學(xué)，其通訊地址為：510641 廣東省廣州市天河區(qū)五山路381號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。