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！

龙图腾网恭喜浙江工业大学申请的专利一种基于关联关系和视频交互的在线课程辍学预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114880525B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210581113.X，技术领域涉及：G06F16/901；该发明授权一种基于关联关系和视频交互的在线课程辍学预测方法是由郝鹏翼;韩天星;白琮设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于关联关系和视频交互的在线课程辍学预测方法在说明书摘要公布了：本发明公开了一种基于关联关系和视频交互的在线教育辍学预测方法，首先得到用户学习课程视频的异构信息图和视频交互时序矩阵，然后一方面将异构信息图输入至基于节点三元组的深层关联关系特征提取模块得到用户和课程的关联特征表示，接着通过特征融合得到深层关联关系特征，另一方面将视频交互时序矩阵输入至交互特征提取模块，得到交互特征，最后结合深层关联关系特征和交互特征计算用户在其选修课程上的辍学概率。本发明将用户在线学习的情境建模为异构信息图，通过挖掘图中复杂、多样的节点关联关系，构造出表征能力更强的节点表示，并结合真实情境中信息量最大的视频交互信息，提取得到的交互特征，大大增强了模型的预测能力和泛化能力。

本发明授权一种基于关联关系和视频交互的在线课程辍学预测方法在权利要求书中公布了：1.一种基于关联关系和视频交互的在线课程辍学预测方法，其特征在于，所述基于关联关系和视频交互的在线课程辍学预测方法，包括：根据用户的课程选修记录、用户的视频观看记录和课程的视频资源记录，构建用户学习课程视频的异构信息图G，经过节点嵌入模块，得到图G中各个节点分别对应的节点嵌入；将所述各个节点的节点嵌入按照预先定义的用户三元组集tu输入至深层关联关系特征提取模块，得到用户的关联特征表示fu；将所述各个节点的节点嵌入按照预先定义的课程三元组集tc输入至深层关联关系特征提取模块，得到课程的关联特征表示fc；基于用户和课程选修关系对，将用户的关联特征fu和课程的关联特征fc进行特征融合，得到用户和课程选修关系对的深层关联关系特征FR；根据用户的课程选修记录和用户的视频观看记录，构建视频交互时序矩阵A，将视频交互时序矩阵A输入至交互特征提取模块，得到交互特征FT；基于所述深层关联关系特征FR和交互特征FT，计算用户在其选修课程上的辍学概率；其中，所述将所述各个节点的节点嵌入按照预先定义的用户三元组集tu输入至深层关联关系特征提取模块，得到用户的关联特征表示fu，包括：步骤2.1、根据用户节点与任意节点所存在的关联关系，构造用户三元组集tu；步骤2.2、基于任意三元组η∈tu，对不同用户节点采样邻居节点，得到所有用户的一阶邻居节点集，再依次对所有用户节点的一阶邻居节点采样邻居节点，得到用户的二阶邻居节点集；步骤2.3、基于任意三元组η∈tu，采用相关性度量方法，得到所有用户节点与其各个二阶邻居节点的相似度矩阵；步骤2.4、基于任意三元组η∈tu，将用户节点与其二阶邻居节点的相似度值和二阶邻居节点自身的节点嵌入相乘，得到所有用户节点在三元组η下的二阶邻居节点基于相似度引导的嵌入表示；步骤2.5、基于任意三元组η∈tu，应用软注意力机制，得到用户在三元组η下的关联特征表示，遍历三元组集tu，得到所有用户在不同三元组下的关联特征表示；步骤2.6、对所有用户在不同三元组下的关联特征表示进行自注意力机制操作，得到用户的关联特征表示；所述将所述各个节点的节点嵌入按照预先定义的课程三元组集tc输入至深层关联关系特征提取模块，得到课程的关联特征表示fc，包括：步骤3.1、根据课程节点与任意节点所存在的关联关系，构造课程三元组集tc；步骤3.2、基于任意三元组ξ∈tc，对不同课程节点采样邻居节点，得到所有课程的一阶邻居节点集，再依次对所有课程节点的一阶邻居节点采样邻居节点，得到课程的二阶邻居节点集；步骤3.3、基于任意三元组ξ∈tc，采用相关性度量方法，得到所有课程节点与其各个二阶邻居节点的相似度矩阵；步骤3.4、基于任意三元组ξ∈tc，将课程节点与其二阶邻居节点的相似度值和二阶邻居节点自身的节点嵌入相乘，得到所有课程节点在三元组ξ下的二阶邻居节点基于相似度引导的嵌入表示；步骤3.5、基于任意三元组ξ∈tc，应用软注意力机制，得到课程在三元组ξ下的关联特征表示，遍历三元组集tc，得到所有课程在不同三元组下的关联特征表示；步骤3.6、对所有课程在不同三元组下的关联特征表示进行自注意力机制操作，得到课程的关联特征表示fc；所述根据用户的课程选修记录和用户的视频观看记录，构建视频交互时序矩阵A，将视频交互时序矩阵A输入至交互特征提取模块，得到交互特征FT，包括：步骤5.1、基于用户的课程选修记录和其学习课程前d天的视频观看记录，得到视频交互时序矩阵集A；步骤5.2、将视频交互时序矩阵A输入至交互特征提取模块，所述交互特征提取模块为双向LSTM模型，得到交互特征FT。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。