[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

说明书

本发明提供的是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：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。

(一)技术领域

本发明涉及机器学习、推荐系统以及数据挖掘等技术领域，具体是涉及一种面向学习资源推荐的学习者画像构建方法。

(二)背景技术

随着教育信息化深入发展，在线教育资源的数量呈现出指数级增长的趋势，如何帮助学习者从海量的数据中获取他们想要的学习资源对在线学习平台来说至关重要。因此，如何根据学习者的历史注册课程来构建学习者的偏好特征，这是个性化学习资源推荐系统的关键。以往的学习者偏好建模方法，大多数都是根据用户历史注册的课程记录，通过生成课程的特征向量来刻画学习者的偏好特征，进而给学习者生成个性化的学习资源推荐。然而，用户历史注册课程记录仅包含有限的特征信息，由于课程的特征生成的学习者偏好过于单一，无法全面地表示学习者的兴趣，不能很好地满足学习者个性化的要求，同时也没有考虑学习者--课程交互数据的稀疏性和冷启动问题，不能准确地根据学习者的偏好给学习者推荐所需要的信息。

目前已公布的发明专利“面向个性化学习的教育资源推荐方法及系统”，公开号为CN106528693A，通过学习者的基本特征数据对学习者兴趣进行建模，并计算不同学习者之间以及不同学习资源之间的相似度，进而生成目标学习者的资源推荐结果。该发明没有考虑学习者历史课程学习对推荐服务的不同影响，也忽略了学习资源之间的关联性，没能较准确地给用户推荐服务。另外已公布的发明专利“一种基于思维地图的网络学习资源推荐方法”，公开号为CN103455576B，通过分析学习者访问基于知识图谱的网络学习系统的学习行为日志，以点击流来评判学习时间，并根据学习路径挖掘出相关知识元图谱，从而反馈给学习者进行推荐服务。该发明考虑了学习资源的关联性，但是却忽略了学习者的历史偏好，根据学习时间不能很好地展现学习者的偏好。本发明描述的“一种基于学习者偏好建模的个性化学习资源推荐方法”将用户的历史访问项目输入到自动编码器(AE)中生成课程的特征向量，为了更好地刻画学习者的历史注册课程记录对目标推荐课程的不同影响以及表征学习者多样化的偏好，本发明设计了通过注意力网络编码来构建学习者的偏好向量，以及利用课程先决知识条件关系来构建课程知识图谱，并通过高斯径向基函数核(RBF)计算课程之间的关联度进行解码，最后通过得到学习者的偏好向量与课程间的先决关系来计算出学习者学习课程的概率，根据概率由大到小生成学习者的推荐列表，以此提高推荐结果的个性化和准确性。

(三)发明内容

本发明所要解决的是目前基于学习者偏好建模个性化推荐方法中，学习者-课程交互数据的稀疏性问题，学习者偏好无法合理地扩展以及没有考虑学习者历史注册课程记录对目标课程的不同影响以及课程关联语义信息等问题，提供了一种基于学习者偏好建模的个性化学习资源推荐方法。

为实现上述目的，本发明的具体方案如下：

一种基于学习者偏好建模的个性化学习资源推荐方法，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操作。

步骤二：学习者注册该课程且进行学习考试后得到这门课程的成绩，该结课成绩为百分制。则根据学习者历史注册课程的成绩信息，将该学习者已学习的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。