一种基于超图神经网络多角度特征融合的先决学习方法技术

本发明专利技术涉及一种基于超图神经网络多角度特征融合的先决学习方法，属于数据挖掘领域。基于超图编码高阶拓扑结构的能力，依据概念在文档资源中的相关度，概念之间的语义相似度，以及文档资源与概念之间的隶属关系建模超图结构，以充分建模和表达概念之间的关联关系，对不同语义超图结构下生成的概念潜在表征进行两阶段特征融合，概念先决关系和文档先决关系联合训练优化模型。利用同义词概念扩增概念先决关系正样本以解决数据不平衡问题。上述方法提升了模型的预测精度。法提升了模型的预测精度。法提升了模型的预测精度。

【技术实现步骤摘要】
一种基于超图神经网络多角度特征融合的先决学习方法


[0001]本专利技术属于数据挖掘领域，涉及一种基于超图神经网络多角度特征融合的先决学习方法。

技术介绍

[0002]随着在线教育平台的蓬勃发展，为学习者积累了海量资源。为每位学习者在庞大的学习资源中规划精准合理、个性有效的学习路径，是自适应学习的重要研究内容之一，概念先决关系识别在其中扮演了关键角色。概念先决关系(Concept Prerequisite Learning)是概念之间的前后依赖关系，在确立后可被广泛应用于课程推荐、学习路径规划、学习资源排序、知识追踪等下游任务。
[0003]现有概念先决关系研究主要基于特征提取和基于二元图结构两类，其中基于特征提取的方法依赖于手工制作特征，在文档结构规范的教科书文档资源中表现良好，但缺乏泛化性，并且计算时间成本高。随着图神经网络的发展，更多工作针对概念，以及概念隶属的文档资源来建模二元图结构，但难以表征概念和文档资源对象间的复杂关系。课程在进行概念先决关系识别时，概念与文档资源之间具有概念和文档多对多、文档之间前后关联，以及概念与其相似本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于超图神经网络多角度特征融合的先决学习方法，其特征在于：该方法包括以下步骤：步骤一：对概念先决关系标注数据集提供的概念词表，标注同义词；步骤二：多角度超图建模，利用概念
‑
概念关系，概念
‑
文档关系构建概念结构超图、概念语义距离超图和文档概念超图；步骤三：超图卷积，由步骤二构建的超图各自执行卷积操作，获得概念潜在表征和文档资源潜在表征；步骤四：概念特征融合，由三个超图获得的概念潜在表征进行两阶段特征融合，获得最终的概念潜在表征；步骤五：先决关系预测，利用孪生网络对概念先决关系和文档资源先决关系预测；步骤六：使用交叉熵损失函数度量概念先决损失和文档资源先决损失最终损失由超参数λ调节得到，2.根据权利要求1所述的一种基于超图神经网络多角度特征融合的先决学习方法，其特征在于：所述多角度超图建模为：引入逐点互信息PMI度量文档资源中概念之间的关联度，...

【专利技术属性】
技术研发人员：张鹏，杜洪霞，刘忆，陈建江，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：