[發明專利]基于深度學習的教育平臺課程推薦方法及系統

有效

• 申請號: 202110187586.7
• 申請日: 2021-02-18
• 公開（公告）號: CN113065060B
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 于曉梅;毛倩;車雪玉;宮兆坤;付文響
• 申請（專利權）人: 山東師范大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08;G06Q30/06;G06Q50/20
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開了基于深度學習的教育平臺課程推薦方法及系統，包括：獲取用戶的行為數據、用戶的基本信息和用戶的歷史觀看課程；對獲取的用戶的行為數據、用戶的基本信息和用戶的歷史觀看課程進行數據預處理，得到用戶的行為序列；對用戶的歷史觀看課程進行特征提取，得到課程特征；對用戶的基本信息進行特征提取，得到用戶特征和用戶所處環境特征；將用戶的行為序列、課程特征、用戶特征和用戶所處環境特征，輸入到預先訓練好的神經網絡模型中，輸出課程推薦結果。

技術領域

本發明涉及數據分析技術領域，特別是涉及基于深度學習的教育平臺課程推薦方法及系統。

背景技術

本部分的陳述僅僅是提到了與本發明相關的背景技術，并不必然構成現有技術。

近年來，隨著互聯網與通信技術的高速發展，學習資源的建設與共享呈現出新的發展趨勢，各種網課、慕課、直播課等層出不窮，各種在線教育平臺和學習應用紛紛涌現。因此，如何根據教育平臺的線上用戶信息和學習信息，通過數據分析為教育平臺和用戶提供精準的課程推薦服務就成為線上教育的熱點問題。同時，隨著人工智能、大數據、云計算等技術的發展，建立基于深度學習和推薦算法的課程推薦系統已經是線上教育新發展的新趨勢，這對降低用戶的的流失率具有極大地推動作用，可以更好地服務線上用戶。

在此大前提下，各種課程和課程路徑推薦系統層次不窮。這些系統使用的方法大致可以這么分為兩類：基于課程的推薦方法、基于用戶的推薦方法。其中，基于課程的推薦方法：通過對歷史數據進行過濾、處理來直接對用戶進行課程的推薦，但同時缺少了對實際情況的考慮，對數據量的要求也比較大；基于用戶的推薦方法：通過對用戶的觀察、測試、收集數據等方法把具體某個用戶的特征保存在一個對應的數據集中，然后通過領域的方法和建模的方法來對用戶進行課程的推薦，但其忽略了歷史數據的價值，同時對噪聲比較敏感；有一小部分的推薦系統同時考慮了基于歷史數據的方法和基于內容的方法，但是其多數采用統計的方法或者只是把其中一者作為參考來設計系統，難以在數據量龐大時達到較好的效果，同時對數據的處理也相當困難；還有一部分系統使用了大數據的方法來實現，但是其使用的方法和模型過于傳統、簡單，細節上存在著漏洞和不足，沒有充分地利用大數據科學的優勢，效果只能說是差強人意，因此也并不被廣泛認可。此外，上述推薦系統還存在一個問題：課程推薦的目的是估計用戶學習該課程的的可能性，為用戶推薦用戶感興趣的課程，從而降低平臺用戶的流失率，它已成為在線教育平臺課程推薦系統中的核心任務之一。對于在線教育平臺課程推薦系統模型，有必要捕獲用戶行為數據背后的潛在用戶興趣。此外，考慮到外部環境和內部認知的變化，用戶興趣隨時間動態變化。興趣建模的用戶學習該課程的的可能性預測方法有多種，但大多將行為的表征直接視為興趣，缺乏對具體行為背后潛在興趣的專門建模。此外，很少考慮興趣的變化趨勢。難以同時考慮全局信息和局部信息、難以對預測的結果根據實際情況進行調整。

發明內容

為了解決現有技術的不足，本發明提供了基于深度學習的教育平臺課程推薦方法及系統；利用深度學習的推薦算法，降低用在線教育平臺的用戶流失率，為用戶推薦合適的課程。

第一方面，本發明提供了基于深度學習的教育平臺課程推薦方法；

基于深度學習的教育平臺課程推薦方法，包括：

獲取用戶的行為數據、用戶的基本信息和用戶的歷史觀看課程；

對獲取的用戶的行為數據、用戶的基本信息和用戶的歷史觀看課程進行數據預處理，得到用戶的行為序列；

對用戶的歷史觀看課程進行特征提取，得到課程特征；

對用戶的基本信息進行特征提取，得到用戶特征和用戶所處環境特征；

將用戶的行為序列、課程特征、用戶特征和用戶所處環境特征，輸入到預先訓練好的神經網絡模型中，輸出課程推薦結果。

第二方面，本發明提供了基于深度學習的教育平臺課程推薦系統；