一种基于注意力机制的高校选修课混合推荐方法及系统技术方案

本发明专利技术公开一种基于注意力机制的高校选修课混合推荐方法及系统，包括：根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；根据目标学生专业课历史选课行为向量和候选选修课向量对目标学生向量进行注意力加权，根据加权后的目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。该推荐算法利用多方信息来进行课程推荐，可以有效的实现推荐效果的记忆能力和泛化能力。

【技术实现步骤摘要】
一种基于注意力机制的高校选修课混合推荐方法及系统
本专利技术涉及社会化推荐
，特别是涉及一种基于注意力机制的高校选修课混合推荐方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。随着互联网选课方式在高校学生的课程选择中越来越普及，学生对于课程的选择往往处于一种迷茫的状态。由于对未知课程的不熟悉，学生很难抉择出满足自己兴趣同时有利于自己专业发展的选修课程。为了帮助学生更有效的选择出适合自己的课程，课程推荐需求在课程选择过程中愈加迫切。当下已有的选课系统或者缺乏针对学生属性特征的个性化推荐、或者存在的推荐功能都是基于传统的协同过滤算法来实现的。协同过滤算法基于用户的历史行为，这种推荐算法可以充分挖掘用户的行为特征，却存在明显的冷启动问题，即学生之前对选课系统没有过历史行为的前提下，便很难得出学生选课的行为偏好。同时传统的协同过滤算法不能很好的对学生行为特征做深层次的抽象，不能像深度学习那样挖掘出更多数据中潜藏的模式，简单地将深度学习应用于协同过滤方法的推荐也存在一些问题，本文档来自技高网...

【技术保护点】
1.一种基于注意力机制的高校选修课混合推荐方法，其特征在于，包括：/n根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；/n根据目标学生专业课历史选课行为向量和候选选修课向量对目标学生向量进行注意力加权，根据加权后的目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；/n根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。/n

【技术特征摘要】
1.一种基于注意力机制的高校选修课混合推荐方法，其特征在于，包括：
根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；
根据目标学生专业课历史选课行为向量和候选选修课向量对目标学生向量进行注意力加权，根据加权后的目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；
根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。


2.如权利要求1所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将目标学生专业课历史选课行为向量与候选选修课向量进行外积运算，将外积运算结果与二者原始Embedding向量进行拼接，通过全连接部分输出目标学生向量的权重值。


3.如权利要求1所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，所述学生关系对中包括目标学生向量和目标学生与其朋友组成的关系向量，通过联合嵌入方式得到标准化向量，将得到的标准化向量与学生关系对构成的矩阵相乘得到注意力向量。


4.如权利要求3所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将注意力向量经过softmax函数激活后得到注意力得分。


5.如权利要求4所述一种基于注意力机制的高校选修课混合推荐方法，其特征在于，将注意力得分与标准化向量相乘得到带有同学关系权重的同学关系向量。...

【专利技术属性】
技术研发人员：吕蕾，王福运，李赓，吕晨，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37