[發(fā)明專利]基于依賴關系嵌入與神經注意力網絡的推薦方法

在審

• 申請?zhí)枺?/td>: 202010672280.6
• 申請日: 2020-07-14
• 公開（公告）號: CN112100439A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設計）人: 趙中英;楊永浩;李超;崔煥慶;梁永全;曾慶田
• 申請（專利權）人: 山東科技大學
• 主分類號: G06F16/735
• 分類號: G06F16/735;G06F16/783;G06Q50/20;G09B5/06
• 代理公司: 青島智地領創(chuàng)專利代理有限公司 37252
• 代理人: 種艷麗

本發(fā)明公開了一種基于依賴關系嵌入與神經注意力網絡的推薦方法，屬于信息技術領域。本文首先提出ConPreAlg和CoursePreAlg算法，用于從慕課課程字幕中提取概念級和課程級依賴關系；然后基于神經注意力網絡和依賴關系嵌入，設計了一種推薦方法(GuessUNeed)；在GuessUNeed中，依賴關系被嵌入到神經注意力網絡中，改善了注意力系數的計算和推薦的可解釋性；在真實數據集上的實驗表明，與其它方法相比，該方法可以顯著改善推薦的性能。

技術領域

本發(fā)明屬于信息技術領域，具體涉及一種基于依賴關系嵌入與神經注意力網絡的推薦方 法。

背景技術

近幾年，慕課平臺的快速發(fā)展吸引了數百萬的在線用戶，這些具有不同教育背景和學習 興趣的用戶需要一種有效的個性化課程推薦。挖掘課程之間的依賴關系，并將其用于課程推 薦可以讓用戶輕松獲取學習一門課程所需的前置課程，以及進一步學習所需的后續(xù)課程，從 而提高學習效率和推薦系統(tǒng)的可解釋性。

發(fā)明內容

針對現有技術中存在的上述技術問題，本發(fā)明提出了一種基于依賴關系嵌入與神經注意 力網絡的個性化課程推薦方法，設計合理，克服了現有技術的不足，具有良好的效果。

為了實現上述目的，本發(fā)明采用如下技術方案：

一種基于依賴關系嵌入與神經注意力網絡的推薦方法，首先進行如下定義：

定義1：課程語料；

課程語料是從m門課程中提取的視頻字幕的集合，用A＝{A_i}_{i＝1,2,...,m}表示，其中A_i表示 第i門課程；而課程由n_Ai個視頻組成，其中表示課程A_i中的第j個視 頻；每個視頻都由字幕文本和序列信息組成；

定義2：課程概念；

課程概念是用C＝{c_i}_{i＝1,2,...,t}表示的一組概念，其中c_i是從A中提取的用于表示特定課程 中需要學習的概念；和分別表示課程A_i中的概念和第i個視頻c_i被定義為A中 的一個N元短語并滿足如下條件：1)c_i應該是語義和句法正確的短語；2)c_i應該代表某門 課程的學習內容；

定義3：概念級依賴關系；

概念級依賴關系實質上是兩個概念的學習順序；給定來自A的兩個課程概念c₁和c₂，如 果用戶想要學習c₂，則需要先學習c₁；在這種情況下，c₁和c₂之間存在依賴關系，用＜c_i,c_j＞ 表示；具體而言，c₁是c₂的前置概念，c₂是c₁的后續(xù)概念；

定義4：課程級依賴關系；

課程級依賴關系是概念級依賴關系的擴展，反映的是課程學習的先后順序，A的兩個課 程A₁和A₂，如果c_i∈A₁，c_j∈A₂且c_i是c_j的前置概念，那么可以得到A₁和A₂之間的課程級依賴關系，用＜A₁,A₂＞表示；所有課程之間的依賴關系構成一個課程級依賴關系矩陣G；

定義5：慕課課程推薦；