买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华中师范大学

摘要：本发明属于教育信息化领域，提供一种基于在线教育平台数据的课程推荐方法，利用embedding技术以及图神经网络模型，基于学生基础信息以及学生在学习过程中产生的历史数据，考虑了不同学生之间的交互数据的影响，全面发挥数据的价值，利用前沿的图神经网络GNN算法模型，深度挖掘了学生与学生之间的关系，同时也考虑了课程与课程之间的相似度、学生与课程的历史交互数据，从而实现更加可靠的推荐方式。

主权项：1.一种基于在线教育平台数据的课程推荐方法，其特征在于该课程推荐方法是基于学生基础信息以及学生在学习过程中产生的历史数据，包括以下步骤：1从在线教育平台数据库中获取学生与课程的相关数据D0；2从数据D0中得到学生的相关数据，包括基础信息数据D1、学生与课程之间的历史交互数据D2、学生与学生之间的历史交互数据D3；3根据基础信息数据D1建立学生基础属性数据矩阵X；4根据学生与课程之间的历史交互数据D2建立学生参加过的课程序列，获取每一门课程的向量表达方式，即courseembedding；5再次根据学生与课程之间的历史交互数据D2获取每一个学生对参加过的课程的评分，并建立一个评分矩阵R，其数据样式为{“studentid”，“courseid”，“coursegrade”}；6根据学生与学生之间的历史交互数据D3，建立学生与学生之间的邻接矩阵A，矩阵A存储的值为0或1，0代表学生之间产生的交互，1代表学生之间并未产生交互；7通过矩阵X与矩阵A以及GAE算法模型建立一个字典student_embedding_dict，其数据样式为{“studentid”：“studentembedding”}，其中studentembedding是一种向量，其维度大小与courseembedding维度大小保持一致；具体的，将获取的学生的属性数据矩阵Xn*p以及获取的邻接矩阵An*n这两个矩阵输入到GAE算法模型当中，得到所有每一个学生的向量表示，实例化数据样式为{“StudentID”，“StudentEmbedding”}，并设定“StudentEmbedding”的维度大小为d，GAE是一种基于GCN实现的GNN算法，该算法基于图的数据结构计算图中每一个节点embedding向量，利用PyG开源库实现该算法，其实现所需的基本步骤为设置两层GCN卷积层，再设置其激活函数为ReLU，ReLU函数是一种分段线性函数，把所有的负值都变为0，而正值不变，在算法训练时，设置相对熵函数为其损失函数，相对熵损失函数的数学表达形式为最后以随机梯度的训练方式得到学生的向量表达结果；8通过字典course_embedding_dict、student_embedding_dict以及评分矩阵R计算每一个学生对于未参加过的课程的预估评分；具体的，假设每一个学生i的embedding向量为ui，每一门课程j的embedding向量为ci，从步骤5中获取的每一个学生i对每一个课程的真实评分为rateij，利用以下公式计算学生i对于课程j的预估得分为： 其中，Nj表示上过课程j的其他学生的集合，|Nj|表示上过该课程j的所有的学生人数，Productui,up表示学生i与学生p的向量点积，ratepj表示学生p对课程j的真实评分，Si表示学生i上过的其他课程的集合，|Sj|表示学生i上过的其他课程总的数量，Productcq,cj表示课程q与课程j的向量点积；9根据预估评分得到针对每一个学生的待推荐课程列表，从待推荐课程列表中按照预估评分的降序排列方式选取TopN作为实际推荐课程推送给相关学生。

全文数据：

权利要求：

百度查询： 华中师范大学 一种基于在线教育平台数据的课程推荐方法