[发明专利]一种基于图谱关联的跨课程视频子图推荐方法

说明书

本发明公开了一种基于图谱关联的跨课程视频子图推荐方法，包括以下步骤：1)利用学习者的网络学习日志基于隐式反馈进行视频学习行为特征的抽取；2)获取种子视频集videoSeeds；3)构建跨课程知识点‑视频关联图谱；4)利用跨课程知识点‑视频关联图谱计算课程视频关联度；5)利用用户行为的隐式特征，采用种子视频集，并结合课程视频关联度为学习者提供蕴含知识关联的跨课程视频子图，该方法能够综合考虑用户隐式学习特征和课程视频间的知识关联性，为在线学习平台的学习者提供满足其学习偏好并且考虑跨课程知识关联的课程视频推荐。

技术领域

本发明涉及一种课程视频子图推荐方法，具体涉及一种基于图谱关联的跨课程视频子图推荐方法。

背景技术

与传统教育不同，在线教育从传统的以教师主导课堂转化为学习者自主学习的模式。同时在线教育给学习者提供了更丰富的学习资源，如视音频、PPT、习题等，学习者可以根据自身需求从中进行选取。然而，面对海量的学习资源，学习者容易产生认知超载^[1]，同时由于学习者教育背景差别大，学习能力参差不齐，也容易导致学习者学习进度安排不合理，影响学习效果。推荐系统则是目前解决此类问题的一个有效途径。

已有推荐方法大致可分为三类：协同过滤推荐方法，基于内容的推荐方法，通过挖掘用户、项目的特征数据推荐合适的项目给用户以及混合推荐方法。但是在学习资源推荐领域仍无成熟的通用解决方案，原因在于在线学习平台自身的独特性：其一，在线学习平台拥有大量的学习资源，但往往缺乏学习者对课程视频等学习资源的显式评分数据，不像豆瓣等平台中，用户会对影视、书籍等有星级评分，评分的高低可以准确地反映出用户对所评分项目的喜好程度，从而推荐系统可以直接使用评分数据，利用协同过滤等方法对用户进行推荐；其二，对学习资源进行推荐需要掌握一定的领域知识，不同专业的课程差异巨大，同一专业内不同课程间的知识又具有关联性，对学习资源进行基于内容的推荐显然要复杂的多。而已有学习资源推荐算法往往忽略了学习资源(比如课程视频)之间的关联性，这种关联性不仅存在于课程内部，也存在于相近专业的多门课程之间，而已有研究对于视频间的关联关系更多的限定在一门课程内部，且推荐结果以资源列表形式为主，这样会弱化视频间的知识关联。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于图谱关联的跨课程视频子图推荐方法，该方法能够综合考虑用户隐式学习特征和课程视频间的知识关联性，为在线学习平台的学习者提供满足其学习偏好并且考虑跨课程知识关联的课程视频推荐。

为达到上述目的，本发明所述的基于图谱关联的跨课程视频子图推荐方法包括以下步骤：

1)利用学习者的网络学习日志基于隐式反馈进行学习者视频学习行为特征的抽取；

2)以学习者的视频学习次数偏好p_f(u_i,vl_k)、视频学习时长偏好p_d(u_i,vl_k)以及视频暂停拖动次数偏好p_pd(u_i,vl_k)的加权平均作为学习者对课程视频的评分，构建基于隐式反馈的评分矩阵，再以视频学习相似度及课件学习相似度度量学习者相似度，进而对给定学习者采用基于隐式反馈的协同过滤推荐获取当前学习者的推荐列表，并将当前学习者的推荐列表作为种子视频集videoSeeds；

3)构建跨课程知识点-视频关联图谱；

4)利用跨课程知识点-视频关联图谱计算课程视频关联度；

5)利用用户行为的隐式特征，采用种子视频集，并结合课程视频关联度为学习者提供蕴含知识关联的跨课程视频子图。

视频学习类行为包括视频学习时长、视频学习暂停及视频学习拖动；