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：中国电子科技集团公司第十五研究所

摘要：本申请涉及一种作训科目推荐模型训练方法、装置、电子设备和存储介质。该方法包括：获取作训数据训练样本集；作训数据包括参训人员和作训科目；基于多个参训人员与多个作训科目之间的交叉特征矩阵，构建表征参训人员与作训科目交互关系的二分图；将二分图输入至预设的作训科目推荐模型中进行特征提取，获得作训科目推荐结果；依据第一损失函数迭代更新作训科目推荐模型的模型参数，直至达到预设的迭代终止条件，以获得经训练的作训科目推荐模型；其中第一损失函数由一致性损失函数和交叉熵损失函数确定；利用低秩自适应LoRA算法对作训科目推荐模型的模型参数进行微调。本申请能够得到提高作训科目推荐准确度，提升个性化作训科目推荐模型性能。

主权项：1.一种作训科目推荐模型训练方法，其特征在于，包括：获取作训数据训练样本集；所述作训数据包括参训人员数据和作训科目数据；其中，所述参训人员数据包括行为模式和或兴趣偏好；所述作训科目数据包括作训科目类别、作训科目内容和或难度；基于多个参训人员与多个作训科目之间的交叉特征矩阵，构建表征参训人员与作训科目交互关系的二分图；其中，所述二分图的节点表示参训人员和作训科目，节点之间的边表示参训人员参与作训科目，边的权重表示参训人员参与作训科目所获得的分数；将所述二分图输入至预设的作训科目推荐模型中进行特征提取，获得作训科目推荐结果，包括：依据所述二分图，分别提取参训人员和作训科目的图嵌入特征；将参训人员和作训科目的图嵌入特征分别输入至所述作训科目推荐模型的参训人员塔子网络和作训科目塔子网络，获得对应的参训人员增强特征和作训科目增强特征；依据参训人员增强特征和作训科目增强特征的相似性，获得作训科目推荐结果，并确定一致性损失函数，所述一致性损失函数包括JS散度；利用Dropout算法对所述作训科目推荐结果进行自一致性学习；依据第一损失函数迭代更新所述作训科目推荐模型的模型参数，直至达到预设的迭代终止条件，以获得经训练的所述作训科目推荐模型；其中所述第一损失函数由一致性损失函数和交叉熵损失函数确定；其中，所述作训科目推荐模型基于双塔结构的图卷积神经网络进行构建，包括参训人员塔子网络和作训科目塔子网络；所述参训人员塔子网络被配置为提取参训人员特征；所述作训科目塔子网络被配置为提取作训科目特征。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第十五研究所 作训科目推荐模型训练方法、装置、电子设备和存储介质