申请/专利权人：江苏科技大学

申请日：2023-11-17

公开（公告）日：2024-03-26

公开（公告）号：CN117763363A

主分类号：G06F18/22

分类号：G06F18/22;G06F18/214;G06F16/36;G06N20/20;G06N5/022

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.12#实质审查的生效;2024.03.26#公开

摘要：本发明公开了一种基于知识图谱与提示学习的跨网络学术社区资源推荐方法，包括：获取不同学术社区中的学术资源信息和作者信息；根据所述信息数据构建知识图谱；构建提示学习模型，包括：定义提示学习模型的提示模板、定义提示学习模型的预训练模型BERT；构建提示学习模型的预训练模型BERT的训练数据；构建提示学习模型的提示模板的训练数据；训练提示学习模型；使用已训练的提示学习模型计算用户与文章之间的相似度，并对结果进行排序，按照用户指定的推荐数目进行学术资源推荐。本发明方法可实现不同网络学术社区之间的高效便捷交流，可在多个平台间快速寻找知识的最优解，有效降低不必要的时间和精力的损耗。

主权项：1.一种基于知识图谱与提示学习的跨网络学术社区资源推荐方法，其特征在于，包括以下步骤：步骤1.获取不同学术社区中的学术资源信息和作者信息，包括学术资源的标题、正文、网址、时间、来源、点赞人姓名、所属领域属性和作者的关注和访问对象属性；步骤2.使用步骤1中所述数据构建知识图谱，包括：对缺失的信息进行知识补全、对已经补全的信息进行知识消歧和构建知识图谱；步骤3.构建提示学习模型，包括：定义提示学习模型的提示模板、定义提示学习模型的预训练模型BERT；步骤4.构建提示学习模型的预训练模型BERT的训练数据，包括：定义Metapath2vec的元路径生成器、使用元路径生成器抽取知识图谱路径、在路径中添加特殊词；步骤5.构建提示学习模型的提示模板的训练数据，包括：使用规则抽取知识图谱中的正负例数据、使用PageRank算法计算的作者的知识权重、将作者的知识权重添加到正负例数据中；步骤6.训练提示学习模型，包括：使用掩码语言建模训练提示学习的预训练模型BERT、使用改进的P-tuning算法训练提示学习模型的提示模板；步骤7.使用已训练的提示学习模型计算用户与文章之间的相似度，并对结果进行排序，按照用户指定的推荐数目进行学术资源推荐。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于知识图谱与提示学习的跨网络学术社区资源推荐方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD