欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023106543284
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种评论文本与评论对象内容融合的教育资源推荐方法,其特征是,包括步骤如下:

步骤1、将用户浏览过的所有教育资源数据存储为用户浏览历史集;将用户对教育资源的所有评论数据存储为用户评论集;将教育资源的内容数据存储为教育资源内容集;将教育资源收到的所有评论数据存储为教育资源评论集;

步骤2、将用户的用户浏览历史集和用户评论集分别采用XLNET模型进行特征挖掘,得到用户的浏览历史特征向量和用户的评论特征向量,并将用户的浏览历史特征向量和用户的评论特征向量拼接后得到用户的特征向量将用户评论过的所有教育资源的教育资源内容集和教育资源评论集分别采用XLNET模型进行特征挖掘,得到教育资源内容特征向量和教育资源评论特征向量,并将教育资源内容特征向量和教育资源评论特征向量拼接后得到用户评论过的教育资源的特征向量步骤3、先将用户的特征向量与用户评论过的教育资源的特征向量进行点乘得到教育资源特征对用户特征的贡献度αui;再对教育资源特征对用户特征的贡献度αui引入用户对教育资源的注意力权重ωui后进行归一化处理,并将归一化结果与用户评论过的教育资源的特征向量点乘,得到教育资源特征与用户特征的关联度后将所有教育资源特征对用户特征的关联度送入到长短期记忆网络中对用户兴趣迁移现象进行学习并预测,得到用户的最终特征表示步骤4、将教育资源的教育资源内容集和教育资源的教育资源评论集分别采用XLNET模型进行特征挖掘,得到教育资源内容特征向量和教育资源评论特征向量步骤5、先将教育资源内容特征向量与教育资源评论特征向量进行点乘得到教育资源评论对教育资源内容的贡献度βv;再对教育资源评论对教育资源内容的贡献度βv引入教育资源的注意力权重ωv后进行归一化处理,并将归一化结果与教育资源评论特征向量点乘,得到教育资源评论与教育资源内容的关联度后将所有教育资源评论与教育资源内容的关联度送入到长短期记忆网络中对学习教育资源随时间的特征变化,得到教育资源的最终特征表示步骤6、将用户的最终特征表示和教育资源的最终特征表示送入到多层感知网络进行特征交互,再通过全连接层将它们进行线性组合,得到用户对该教育资源的预测评分,并基于预测评分向用户推荐教育资源。

2.根据权利要求1所述的一种评论文本与评论对象内容融合的教育资源推荐方法,其特征是,u=1,2,…,d,d为总的用户数量;i=1,2,…,n,n为用户u评论过的教育资源的数量;v=1,2,…,e,e为总的教育资源数量。

3.根据权利要求1所述的一种评论文本与评论对象内容融合的教育资源推荐方法,其特征是,步骤6中,多层感知网络由一层全连接层和三层多层感知层组成。

4.根据权利要求1所述的一种评论文本与评论对象内容融合的教育资源推荐方法,其特征是,步骤3和步骤5中,采用softmax函数进行归一化处理。