[發(fā)明專利]基于局部影響力與深層偏好傳播的學(xué)生個(gè)性化學(xué)習(xí)推薦方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202310412943.4
• 申請(qǐng)日: 2023-04-18
• 公開（公告）號(hào): CN116401309B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 李翔;徐偉;李怡萱;朱全銀;周泓;王留洋;張海艷;熊政杰;顧澤嶧;陳仁文;宋珂;廉梓豪
• 申請(qǐng)（專利權(quán)）人: 淮陰工學(xué)院;李怡萱
• 主分類號(hào): G06F16/26
• 分類號(hào): G06F16/26;G06F16/215;G06F16/9535
• 代理公司: 淮安市科文知識(shí)產(chǎn)權(quán)事務(wù)所 32223
• 代理人: 吳晶晶

本發(fā)明公開了一種基于局部影響力和深層偏好傳播的學(xué)生個(gè)性化學(xué)習(xí)推薦方法及裝置。首先，使用數(shù)據(jù)挖掘技術(shù)獲取數(shù)據(jù)集信息和知識(shí)圖譜信息。然后基于局部影響力與深層偏好傳播思想進(jìn)行推薦系統(tǒng)設(shè)計(jì)，根據(jù)所獲學(xué)生歷史學(xué)習(xí)數(shù)據(jù)推薦合適的課程學(xué)習(xí)路徑和內(nèi)容。推薦系統(tǒng)R首先通過將構(gòu)建好的知識(shí)圖譜進(jìn)行偏好傳播，然后利用知識(shí)圖譜節(jié)點(diǎn)之間的節(jié)點(diǎn)影響力賦予節(jié)點(diǎn)局部影響力權(quán)重，根據(jù)節(jié)點(diǎn)權(quán)重進(jìn)行知識(shí)圖譜深層偏好傳播以獲得更深層次學(xué)生興趣偏好，利用所獲節(jié)點(diǎn)權(quán)重預(yù)測(cè)最終的點(diǎn)擊概率最后根據(jù)預(yù)測(cè)的點(diǎn)擊概率推薦合適的課程學(xué)習(xí)路徑和內(nèi)容。相比現(xiàn)有技術(shù)，本發(fā)明方法可以有效提高學(xué)生個(gè)性化學(xué)習(xí)的效率，具有更強(qiáng)的實(shí)用性。

技術(shù)領(lǐng)域

本發(fā)明屬于知識(shí)圖譜和推薦系統(tǒng)領(lǐng)域，特別涉及一種基于局部影響力與深層偏好傳播的學(xué)生個(gè)性化學(xué)習(xí)推薦方法及裝置。

背景技術(shù)

知識(shí)圖譜(Knowledge?Graph)，是結(jié)構(gòu)化的語義知識(shí)庫，用于以符號(hào)形式描述物理世界中的概念及其相互關(guān)系。其基本組成單位是“實(shí)體-關(guān)系-實(shí)體”三元組，以及實(shí)體及其相關(guān)屬性-值對(duì)，實(shí)體間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。

推薦系統(tǒng)(Recommendation?System)是一種利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)等技術(shù)，分析用戶歷史行為、興趣等信息，為用戶推薦個(gè)性化內(nèi)容的算法系統(tǒng)。它可以幫助用戶發(fā)現(xiàn)自己可能感興趣的產(chǎn)品、服務(wù)或內(nèi)容，提升用戶體驗(yàn)，同時(shí)也可以幫助企業(yè)提高用戶留存和轉(zhuǎn)化率。

在面對(duì)學(xué)生個(gè)性化學(xué)習(xí)推薦方法時(shí)，已有論文主要基于“認(rèn)知診斷”和“資源推薦”為基礎(chǔ)的協(xié)同過濾推薦算法，關(guān)于學(xué)生個(gè)性化學(xué)習(xí)推薦方法主要依賴于對(duì)學(xué)生進(jìn)行簡(jiǎn)單認(rèn)知診斷以及資源的簡(jiǎn)單推薦，然而此類方法忽視了學(xué)生對(duì)學(xué)習(xí)資源的掌握情況以及學(xué)習(xí)深度，忽略學(xué)生深層次學(xué)習(xí)偏好，不能有效根據(jù)學(xué)生當(dāng)前學(xué)習(xí)情況準(zhǔn)確提供個(gè)性化推薦。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)現(xiàn)有技術(shù)中忽視學(xué)生對(duì)學(xué)習(xí)資源的掌握情況以及學(xué)習(xí)深度的問題，本發(fā)明提出了一種基于局部影響力與深層偏好傳播的學(xué)生個(gè)性化學(xué)習(xí)推薦方法及裝置，通過知識(shí)圖譜的方法建立學(xué)生深層學(xué)習(xí)水平建模，提取不同資源與學(xué)生之間的聯(lián)系，建立學(xué)生個(gè)性化學(xué)習(xí)推薦方法。

技術(shù)方案：本發(fā)明提出一種基于局部影響力與深層偏好傳播的學(xué)生個(gè)性化學(xué)習(xí)推薦方法，包括如下步驟：

步驟1：運(yùn)用數(shù)據(jù)挖掘知識(shí)獲取學(xué)生歷史學(xué)習(xí)數(shù)據(jù)D，定義數(shù)據(jù)知識(shí)圖譜框架，構(gòu)建所需知識(shí)圖譜G；

步驟2：基于局部影響力與深層偏好傳播思想設(shè)計(jì)推薦系統(tǒng)R，根據(jù)所獲學(xué)生歷史學(xué)習(xí)數(shù)據(jù)D利用所述推薦系統(tǒng)R推薦合適的課程學(xué)習(xí)路徑和內(nèi)容；所述推薦系統(tǒng)R首先將構(gòu)建好的知識(shí)圖譜進(jìn)行偏好傳播，然后利用知識(shí)圖譜節(jié)點(diǎn)之間的節(jié)點(diǎn)影響力賦予節(jié)點(diǎn)局部影響力權(quán)重，根據(jù)節(jié)點(diǎn)權(quán)重進(jìn)行知識(shí)圖譜深層偏好傳播以獲得更深層次學(xué)生興趣偏好，利用所獲節(jié)點(diǎn)權(quán)重預(yù)測(cè)最終的點(diǎn)擊概率最后根據(jù)預(yù)測(cè)的點(diǎn)擊概率推薦合適的課程學(xué)習(xí)路徑和內(nèi)容；

步驟3：將知識(shí)圖譜G可視化以幫助學(xué)生更好地理解多課程知識(shí)點(diǎn)之間的關(guān)系和結(jié)構(gòu)。

進(jìn)一步地，所述步驟1的具體方法為：

步驟1.1：獲取學(xué)生歷史學(xué)習(xí)數(shù)據(jù)D；

步驟1.2：運(yùn)用數(shù)據(jù)挖掘知識(shí)對(duì)學(xué)生歷史學(xué)習(xí)數(shù)據(jù)D進(jìn)行數(shù)據(jù)清洗及數(shù)據(jù)預(yù)處理；

步驟1.3：預(yù)處理后的數(shù)據(jù)通過圖數(shù)據(jù)庫Neo4j構(gòu)建所需知識(shí)圖譜G＝(h,r,t)。

進(jìn)一步地，所述步驟2中將構(gòu)建好的知識(shí)圖譜進(jìn)行偏好傳播具體方法為：

步驟2.1：獲取學(xué)生集合信息U＝{u₁,u₂,...,u_n}、課程學(xué)業(yè)信息V＝{v₁,v₂,...v_m}；