一种学习资源的个性化推荐方法技术

本发明专利技术公开了一种学习资源的个性化推荐方法，主要解决的问题是对于用户个性化学习路径的生成。本发明专利技术能够根据用户的历史学习序列预测用户下一步最有可能学习的学习资源，进而对用户作出相应的推荐。具体来说将所有用户的历史学习序列构建成有向图，每个节点就是一个学习资源，并通过门控图神经网络对获得的有向图进行建模，得到序列中每个节点的嵌入向量，然后通过一层时间注意力层获得每个节点的时间权重加成向量，再通过一层软注意力层或者自注意力层获取序列的最终嵌入表示，最后做出预测。测。测。

【技术实现步骤摘要】
一种学习资源的个性化推荐方法


[0001]本专利技术涉及推荐系统和教育领域，特别是涉及一种学习资源的个性化推荐方法。

技术介绍

[0002]随着信息和通信技术的迅速发展，在过去的几年中，包括文本资源(例如简单的网页)和多媒体资源(例如视频)在内的学习资源蓬勃发展。越来越多的研究者把个性化推荐系统运用到教育领域，但是教育领域的个性化推荐系统和其他领域的推荐系统大不相同。在线学习者在不断生成大量的学习行为数据，这对于为用户推荐其感兴趣的学习资源非常有价值。根据用户的行为历史来预测用户下一步可能操作的物品可以看作是序列推荐的问题。序列推荐旨在基于用户的历史点击序列来预测用户下一步会点击的物品。在学习资源推荐中就是根据学习者的历史学习行为来预测学习者下一步最有可能学习的学习资源。
[0003]但是教育领域的个性化推荐系统和其他领域的推荐系统大不相同。比如在电商推荐中，根据用户的历史点击序列可以为用户推荐其感兴趣的商品，这个商品可能和用户点击序列中的某个或某些商品密切相关；但是在学习资源推荐中，只考虑物品和物品之间的关联性是远远不够的，还要考虑用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习资源的个性化推荐方法，其特征在于，根据学习者的历史学习序列构建学习序列有向图，用图神经网络获取学习序列中每个结点的向量，再结合用户学习序列中学习，学习每个资源的时间来预测用户下一步最有可能学习的学习资源。2.根据权利要求1所述的一种学习资源的个性化推荐方法，其特征在于，具体方法包括：(1)、构建有向图并获取节点嵌入获取所有用户的学习序列，根据这些序列构建有向图，图中每个节点就是一个学习资源，边表示用户学习学习资源的顺序，一个用户的学习序列看作是一个子图然后为每个边分配归一化的加权值，将每个学习资源嵌入到统一的空间中；通过门控图神经网络对获得的有向图进行建模，得到序列中每个节点的嵌入向量；(2)、计算序列中每个学习资源的学习时间权重在模型中引入用户学习每个资源的时间，用学习时间来计算学习效果，通过一层时间注意力层获得每个节点的时间权重加成向量；基于每个节点的向量得到序列的嵌入向量，通过时间注意力层；得到序列的学习时间加权表示；(3)、生成最终的序列嵌入并进行预测再通过一层软注意力层或者自注意力层获取序列的最终嵌入表示，预测每个学习资源出现在序列的下一个的概率，最后生成学习路径。3.根据权利要求2所述的一种学习资源的个性化推荐方法，其特征在于，步骤(1)具体的为：令R＝{r1,r2,
…
,r
m
}表示由所有序列中出现的所有学习资源组成的集合；用户学习序列s由按时间排序表示，其中表示序列s中用户学习的资源；序列推荐的目的是预测序列s的下一步的学习，即序列标签每个序列s建模为有向图G
s
＝(R
s
,E
s
)；在此序列图中，每个节点代表一个学习资源每个边表示用户在序列s中学习了之后又学习了为每个边分配了归一化的加权值，该加权值的计算方法是：边的出现次数除以该边的起始节点的外度；将每个学习资源r∈R嵌入到统一的嵌入空间中，节点向量表示通过图神经网络学习的项目r的隐向量，看作是嵌入向量，其中d是嵌入向量的维度；基于节点向量，每个序列由嵌入向量表示，该向量由该图中的每个节点向量组成；用门控图神经网络学习每个节点的嵌入向量；对于图G
s
的节点更新函数如下所示：更新函数如下所示：更新函数如下所示：更新函数如下所示：更新函数如下所示：
其中z
s,i
和r
s,i
分别是复位门和更新门，是会话s中的节点向量列表，σ(
·
)是sigmoid函数，并且
⊙
是逐元素乘法运算符；表示节点的隐向量；连接矩阵确定图中的节点之间如何通信；A是两个邻接矩阵和的串联，分别表示序列图中输出和输入的边的加权连接；假如有一个序列s＝[r1,r2,r3,r2,r4]，则相应的序列图G
s
和连接矩阵A
s
；是和中和节点对应的两列；对于每个序列图G
s
，门控图神经网络同时处理节点；公式(1)用于在给定A
s
的限制下在不同节点之间进行信息传播，它提取邻域的隐向量并将其输入到图神经网络；公式(2)～(5)类似于GRU的更新，用其他节点和上一个时间步的信息更新每个节点的隐藏状态；在更新序列图中的所有节点直到收敛之后，获得最终的节点向量。4.根据权利要求2所述的一种学习资源的个性化推荐方法，其特征在于，步骤(...

【专利技术属性】
技术研发人员：汤世平，邓涵洋，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：