摘要
本发明公开了一种基于图注意力机制的图谱优化与路径推荐方法,属于图结构优化技术领域。包括:获取知识点数据集,基于知识点数据集中实体及其各实体之间的关联关系构建知识图谱;将每个节点进行向量化表示,得到特征向量集合,针对每个所述节点,引入节点属性特征:词频及综合中心性指标;在所述知识图谱中引入图注意力机制,根据所述节点的属性特征动态计算所述节点间的权重分布;完成图结构学习后,对所述知识图谱进行全局权重筛选与降噪,得到优化后的知识图谱;基于所述优化后的知识图谱进行学习路径推荐。本发明采用优化后的知识图谱能够更加准确地刻画关键知识点及其结构关联,提高模型的可解释性和学习路径预测的准确性。
技术关键词
路径推荐方法
学习路径推荐
知识点
构建知识图谱
邻域
指标
节点特征
深度优先搜索算法
结构优化技术
实体
多头注意力机制
数据
特征提取模块
推荐系统
非线性
动态
系统为您推荐了相关专利信息
学习系统
大语言模型
自动开发方法
计算中心
概要设计文档
粒子群优化算法
标注方法
知识点标签
分布估计算法
词嵌入向量
番茄采摘机器人
策略规划方法
多任务卷积神经网络
规划算法
邻域