[发明专利]一种基于学习者偏好建模的个性化学习资源推荐方法

权利要求书

1.一种基于学习者偏好建模的个性化学习资源推荐方法，其特征是，包括以下步骤：

步骤一：获取在线学习平台上的学习者相关学习日志文件；由于采集到的原始数据不能直接用于之后的计算，需要对采集到的原始数据进行数据的预处理；所述学习者相关学习日志文件为某个学习者于在线学习平台中的历史课程注册记录、课程分数和课程相关属性数据，利用相关的爬虫工具技术爬取出学习者的学习行为记录，或者与后台服务器直接连接，将所需信息存储于数据库中；

步骤二：学习者注册该课程且进行学习考试后会得到这门课程的成绩，该结课成绩为百分制；根据学习者历史注册课程的成绩信息，将该学习者历史学习课程分别划分为正例和负例；

步骤三：利用课程及其各种属性，构建课程的实体关系三元组，然后以实体关系三元组为基础单元构建相关的课程知识图谱，发掘出课程之间的关联性；使用网络表示学习方法、学习课程知识图谱中的结点结构及其属性特征，将课程知识图谱中每个实体和关系表示为一个对应的低维特征向量；

步骤四：为了刻画用户历史课程对目标课程的不同影响以及区分学习者对不同类型课程的偏好，引入注意力机制更好地获得学习者历史偏好向量；

步骤五：将学习者历史偏好向量融合和课程之间的关联度分别作为编码与解码输入至自动编码器神经网络中，获得学习者的目标课程推荐列表；利用注意力机制编码以及课程关联度解码的自动编码器神经网络；自动编码器神经网络能够解决数据的非线性关系，并且能够很好地抓取出项目的偏好特性，嵌入注意力机制编码可以更好地获得项目对用户的偏好特征，同时利用课程关联性解码，使在学习资源推荐模型过程中为学习者推荐目标课程更加精准，更具代表性。

2.根据权利要求1所述的一种基于学习者偏好建模的个性化学习资源推荐方法，其特征是，爬取到的数据中学习者可能存在课程成绩的缺失或者异常，需要对其进行数据的预处理，如对不完整或缺失数据记录进行删除，以及为保护学习者隐私，采用对学习者和课程进行数值编码的方式，规范化的数据更利于今后的操作。

3.根据权利要求1所述的一种基于学习者偏好建模的个性化学习资源推荐方法，其特征是，可采用某一分数为界限，对课程进行正负例划分，以区分学习者喜欢与不喜欢的课程，成绩分数越高表示学习者越喜欢这门课，并给课程进行打标签数字编号，1表示喜欢，反之0表示不喜欢。

4.根据权利要求1所述的一种基于学习者偏好建模的个性化学习资源推荐方法，其特征是，通过每个实体的特征向量生成该实体的上下文特征向量，根据该课程实体之间的上下文特征向量并利用高斯径向基函数(RBF)计算出课程相互之间的关联度。

5.根据权利要求1所述的一种基于学习者偏好建模的个性化学习资源推荐方法，其特征是，目标课程推荐列表为根据课程推荐模型输出学习者的学习目标课程的概率，将学习者不同目标课程的预测概率按大到小进行排列，取前K个课程，即获得推荐目标课程列表。