[发明专利]融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法

说明书

本发明公开了一种融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，包括步骤：1)构建用户对帖子的目标评分矩阵、用户互动评分矩阵和用户互动频次矩阵；2)分解用户互动评分矩阵，得到用户目标函数和用户行为特征矩阵；3)计算用户互动行为次数，提取嵌入特征，基于用户行为特征矩阵和用户嵌入矩阵得到用户矩阵；4)通过降噪自编码器提取帖子主题，得到物品目标函数，分解目标评分矩阵，得到评分矩阵目标函数；5)优化评分矩阵目标函数、用户目标函数和物品目标函数，为用户提供推荐列表。本发明通过深度学习和基于概率的矩阵分解，将用户与帖子、用户间的细微交互融入到模型中，缓解冷启动问题，结合用户阅读偏好，实现精准推荐。

技术领域

本发明涉及教学教育数据挖掘与自然语言处理的技术领域，尤其是指一种融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法。

背景技术

在网络信息高速传播与计算机技术快速发展的时代，在线学习平台使得新一代网民可随时随地学习各大名校课程。大规模开放性课程(Massive Open Online Course，简称慕课)更是吸引了成千上万的学者。至2018年初，我国学习人数突破7000万人次。虽然学习人数众多，但由于慕课本身的开放性，学员水平的参差不齐、学习目的各异，使得慕课的退课率高，参与度低。慕课论坛作为促进学生进行知识交流、促进课程参与的重要模块，对降低退课率有一定的作用。

慕课论坛存在信息负载不均衡、“信息迷航”的问题。尽管现阶段大部分慕课平台以子版块来组织论坛，却无法保证学生能为发表的内容选择相应的子版块，信息混乱问题仍然存在。另一方面，论坛的单一排序机制使得很多新问题在还未被完整解答的之前就被其他帖子淹没，未回答率较高。一一回应论坛帖给教师、助教带来了较大的信息负载。理想的情况下，论坛的信息负载是均衡的，学生之间可以热烈讨论，而不单纯依赖老师来解答问题；学生可以是回答彼此问题的资源，在论坛中相互协助，成为共享知识的学习群体。慕课论坛需要一种个性化的推荐技术，结合学生的阅读偏好和互动情况，实现信息“路由”。现有的慕课论坛帖推荐算法采用如LDA主题模型、词共现统计，关联词等较为传统的方法提取用户阅读偏好，然而主题模型等传统方法难以结合用户行为信息进行端到端推荐，推荐精准度不高。另一方面，现有技术缺乏考虑慕课论坛帖推荐用户活跃度低的场景，没有针对冷启动问题提出解决方案。

本发明提出融合论坛互动行为与用户阅读偏好的推荐方法，目标在于改进现有慕课论坛帖推荐技术推荐精度不高、未充分考虑用户冷启动的技术缺陷，在考虑用户阅读偏好的同时，通过深度学习和基于概率的矩阵分解，将用户与帖子、用户与用户之间细微交互的信息融入到模型中，更加完整地刻画用户偏好，缓解冷启动问题，实现精准推荐。

发明内容

本发明的目的在于改进现有慕课论坛帖推荐技术推荐精度不高、未充分考虑用户冷启动的技术缺陷，提出了一种融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，在考虑用户阅读偏好的同时，通过深度学习和基于概率的矩阵分解，将用户与帖子、用户与用户之间细微交互的信息融入到模型中，更加完整地刻画用户偏好，缓解冷启动问题，为慕课学员推荐感兴趣的论坛帖，促进论坛互动。

为实现上述目的，本发明所提供的技术方案为：融合论坛互动行为与用户阅读偏好的慕课论坛帖推荐方法，包括以下步骤：

1)利用用户在论坛中的浏览记录，构建用户对帖子的目标评分矩阵、用户互动评分矩阵和用户互动频次矩阵；

2)引入矩阵U_a和U_b，利用用户互动频次矩阵作为约束项，分解用户互动评分矩阵，得到用户目标函数，将U_a和U_b相加，作为用户行为特征矩阵；

3)统计用户的各种互动行为次数，与对应的用户ID构建用户嵌入矩阵，拼接用户行为特征矩阵和用户嵌入矩阵，得到用户矩阵U；