一种基于知识图谱和用户相似度的教学资源推荐方法技术

本发明专利技术公开了一种基于知识图谱和用户相似度的教学资源推荐方法，首先根据知识图谱获取关键字扩充用户检索关键字集合，得到第一检索资源列表；根据用户之间的背景相似度和兴趣相似度计算出当前检索用户和其他用户之间的相似度；选择出与当前检索用户相似度最高的F个用户；在第一检索资源列表中将当前检索用户已经下载的资源删除，得第二检索资源列表。根据当前检索用户与上述选择出的F个用户之间的相似度、当前检索用户和F个用户针对各资源已经评过的分数计算预测出当前检索用户针对第二检索资源列表中各资源的评分，从中选择评分排名前F′的资源推荐给当前检索用户。本发明专利技术方法将知识图谱和用户相似度考虑进去，明显提高了教学资源推荐的精准度。

【技术实现步骤摘要】
一种基于知识图谱和用户相似度的教学资源推荐方法
本专利技术涉及一种信息检索
，特别涉及一种基于知识图谱和用户相似度的教学资源推荐方法。
技术介绍
资源推荐的基本方法可以分为基于内容的推荐和基于协同过滤的推荐。基于内容的推荐方法的优点是直接反映了用户的需求和偏好，推荐效果直观易理解，但是推荐准确性受限制于用户对关键字的了解，以及目标对象的关键字选取和特征提取方法，此外基于关键字的推荐停留在字符串层面，限制了用户认知思维。基于协同过滤的推荐方法优点是不需要具有专业知识即可处理复杂对象，推荐准确性随协同过滤的集合数量增加而提高，擅长发掘用户潜在需求。这个方法的不足是具有冷启动和稀疏性两个问题。在教学资源推荐这个领域，上面这些通用性的问题一样存在，同时又出现了特殊的问题，第一，教学资源多是非文本格式，基于内容的搜索往往只限于标题关键字的搜索，一种补充的做法是为资源添加标签，但是不同平台、不同用户使用的关键字、标签的语义可能不一致，影响推荐效率，尤其是在交叉推荐时。第二，使用基于协同过滤的算法时，教学资源的用户相似度计算具有自身特点，注册用户的基本信息直接关联检索需求，比如地区与年级这两本文档来自技高网...

【技术保护点】
1.一种基于知识图谱和用户相似度的教学资源推荐方法，其特征在于，步骤如下：步骤S1、提取用户检索关键字集合，根据知识图谱获取关键字扩充集合，然后获取到关键字扩充集合所对应的第一检索资源列表；步骤S2、根据用户个人信息和位置信息计算当前检索用户和其他各用户之间的背景相似度；同时根据用户对第一检索资源列表中资源的操作行为构建到用户的资源评分矩阵，根据当前检索用户的资源评分矩阵以及其他各用户的资源评分矩阵计算出当前检索用户和其他各用户之间的兴趣相似度；根据当前检索用户的和其他各用户之间的背景相似度对应与当前检索用户的和其他各用户之间的兴趣相似度计算出当前检索用户的和其他各用户之间的相似度；步骤S3、...

【技术特征摘要】
1.一种基于知识图谱和用户相似度的教学资源推荐方法，其特征在于，步骤如下：步骤S1、提取用户检索关键字集合，根据知识图谱获取关键字扩充集合，然后获取到关键字扩充集合所对应的第一检索资源列表；步骤S2、根据用户个人信息和位置信息计算当前检索用户和其他各用户之间的背景相似度；同时根据用户对第一检索资源列表中资源的操作行为构建到用户的资源评分矩阵，根据当前检索用户的资源评分矩阵以及其他各用户的资源评分矩阵计算出当前检索用户和其他各用户之间的兴趣相似度；根据当前检索用户的和其他各用户之间的背景相似度对应与当前检索用户的和其他各用户之间的兴趣相似度计算出当前检索用户的和其他各用户之间的相似度；步骤S3、在步骤S1中得到的第一检索资源列表中将当前检索用户已经下载的资源删除，得第二检索资源列表；根据当前检索用户的和其他各用户之间的相似度，选择与当前检索用户相似度最高的F个用户；步骤S4、根据当前检索用户与步骤S3选择出的F个用户之间的相似度、当前检索用户针对各资源已经评过的分数以及步骤S3选择出的F个用户所针对的各资源已经评过的分数计算预测出当前检索用户针对第二检索资源列表中各资源的评分，从第二检索资源列表中选择评分排名前F′的资源推荐给当前检索用户，其中F和F′均为定值。2.根据权利要求1所述的基于知识图谱和用户相似度的教学资源推荐方法，其特征在于，所述步骤S1中根据知识图谱获取到关键字扩充集合的具体过程如下：步骤S11、首先识别区分出用户检索关键字集合中的知识对象和教学行为两类，由其中的知识对象构成知识点名词集合K1，由其中的教学行为构成教学过程行为词语集合K′1；步骤S12、利用同义词词典和近义词词典对知识点名词集合K1进行扩展，具体为：获取知识点名词集合K1中各关键词的同义词/近义词，同时获取教学过程行为词语集合K′1中各关键词的同义词/近义词，根据知识点名词集合K1和教学过程行为词语集合K′1中各关键词的同义词/近义词将知识点名词集合K1扩展为关键字集合K2：K2＝{Ag×Bh|g＝[1,G],h＝[1,H]}其中Ag为知识点名词集合K1中第g个关键词的同义词和近义词集合，Bh为教学过程行为词语集合K′1中第h个关键词的同义词和近义词集合，其中Ag×Bh表示集合Ag和集合Bh的笛卡尔乘积；G为知识点名词集合K1中关键词的总数；H为知识点名词集合K1中关键词的总数；步骤S13、利用知识图谱中的上下位关系子网络，提取知识点名词集合K1中各关键词的上位概念和下位概念，根据知识点名词集合K1中各关键词的上位概念和下位概念将关键字集合K2扩展为关键字集合K3：K3＝{Cg×Bh,Dg×Bh|g＝[1,G],h＝[1,H]}；其中Cg为知识点名词集合K1中第g个关键词的上位概念集合，Dg为为知识点名词集合K1中第g个关键词的下位概念集合；其中Cg×Bh为集合Cg和集合Bh的笛卡尔乘积；Dg×Bh为集合Dg和集合Bh的笛卡尔乘积；步骤S14、利用知识图谱中的部分整体关系子网络，提取知识点名词集合K1中各关键词的部分概念和整体概念，根据知识点名词集合K1中各关键词的部分概念和整体概念将关键字集合K3扩展为关键字集合K4：K4＝{Eg×Bh,Fg×Bh|g＝[1,G],h＝[1,H]}；其中Eg为知识点名词集合K1中第g个关键词的部分概念集合，Fg为为知识点名词集合K1中第g个关键词的整体概念集合；其中Eg×Bh为集合Eg和集合Bh的笛卡尔乘积；Fg×Bh为集合Fg和集合Bh的笛卡尔乘积；步骤S15、利用知识图谱中的并列关系子网络，提取知识点名词集合K1中各关键词的并列概念，根据知识点名词集合K1中各关键词的并列概念将关键字集合K4扩展为关键字集合K5：K5＝{Ig×Bh|g＝[1,G],h＝[1,H]}；其中Ig为知识点名词集合K1中第g个关键词的并列概念集合，其中Ig×Bh为集合Ig和集合Bh的笛卡尔乘积；步骤S16、得到最终的关键字扩充集合K为：K＝K0+K1+K2+K3+K4+K5；所述步骤S1中根据关键字扩充集合K获取到第一检索资源列表。3.根据权利要求1所述的基于知识图谱和用户相似度的教学资源推荐方法，其特征在于，所述步骤S2中根据用户个人信息和位置信息计算当前检索用户和其他各用户之间的背景相似度的具体过程如下：步骤S21、获取当前检索用户和其他各用户的个人信息，计算出当前检索用户和其他各用户的个人信息相似度：其中sim(info(u,vi))表示当前检索用户u和其他用户vi之间的个人相似度；Ruk为当前检索用户u的第k项个人信息的值，为其他用户vi的第k项个人信息的值，N为个人信息的总项数；采用层次比较法构建一个树结构，树结构从上层到下层包括行政区域和单位属性两部分，其中树结构的第1层到N1层属于行政区域，从第1层到N1层所属行政区域的级别从高到低，树结构的N1+1层到N2层属于单位属性，从第N1+1层到N2层所属单位性质的级别从高到...

【专利技术属性】
技术研发人员：任光杰，王冬青，柳泉波，韩后，张锐，许骏，
申请(专利权)人：华南师范大学，
类型：发明
国别省市：广东,44