[发明专利]一种基于图神经网络的警务学习内容推荐方法

说明书

本发明涉及一种基于图神经网络的警务学习内容推荐方法，采用教学内容之间的联系融入图神经网络当中，周期获取新教学内容，并初始化为符合待推荐数据库中数据规则的待推荐数据，进一步针对待推荐数据库中的各条待推荐数据，获得待推荐数据所对应的多维向量，以待推荐数据作为节点，待推荐数据所对应的多维词向量作为节点值，结合节点之间满足预设距离上限值要求的两两节点边，构建图神经网络架构，并应用随机游走算法实现各节点分别所对应多维词向量的更新，获得警务学习内容推荐模型；由此在实际应用中，实现与目标警务学习内容相关的各学习内容的推荐，能够将各个知识点实时高效的串联起来，实现综合推荐，提高学习效率。

技术领域

本发明涉及一种基于图神经网络的警务学习内容推荐方法，属于警务在线教育学习技术领域。

背景技术

随着互联网应用的逐年普及，更多的领域加入了网络化时代，在线学习、在线试题是当下网络教学中重要的分支之一，将传统教学课程，以及试题的练习、考试搬至网络当中，让使用者足不出户即可享受到在线教育的优势，随着在线教育的兴起、以及被更多的使用者所接收，各个教育机构纷纷推出自己的在线教育应用，但是现有的各类在线教育应用各有弊端，试题与试题之间相互独立，无法做到试题的综合性串联，所谓的组卷也就是人为主观意识的结合，缺乏知识点的归纳，如此方式的学习过程，要么依赖于不全面的组卷，要么自我学习，又存在知识点的跳跃、以及学习内容不完整的情况，因此如何快速链接知识点，成了学习的重点，如此在学习过程中就可以举一反三，提高学习效率。

发明内容

本发明所要解决的技术问题是提供一种基于图神经网络的警务学习内容推荐方法，将新增学习内容与原学习内容进行周期性的结合，并构建更新警务学习内容推荐模型，由此在实际的学习当中，实现与目标警务学习内容相关的各学习内容的推荐，有效提高了学习效率。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于图神经网络的警务学习内容推荐方法，用于实现与目标警务学习内容相关的各学习内容的推荐，按预设周期执行如下步骤A至步骤F，实现警务学习内容推荐模型的获得与更新，然后按步骤I至步骤III，基于警务学习内容推荐模型，实现与目标警务学习内容相关的各学习内容的推荐；

步骤A.针对指定各数据源进行数据爬取，获得其中的各条数据内容，构成各条待处理数据，然后进入步骤B；

步骤B.针对各条待处理数据进行去重处理，然后分别针对剩余各条待处理数据，按预设敏感词库进行敏感词去除操作，更新获得各条待推荐数据，并加入待推荐数据库，针对待推荐数据库进行更新，然后进入步骤C；

步骤C.分别针对待推荐数据库中的各条待推荐数据，获得待推荐数据所对应的多维词向量，进而获得待推荐数据库中各条待推荐数据分别所对应的多维词向量，然后进入步骤D；

步骤D.以待推荐数据库中的各条待推荐数据作为各个节点，待推荐数据所对应的多维词向量作为节点值，并针对两两节点之间进行连线，构建图神经网络架构，然后进入步骤E；

步骤E.根据图神经网络架构中各节点的节点值，获得图神经网络架构中两两节点之间的余弦距离，并删除其中余弦距离大于预设距离上限值的各条连线，然后针对剩余各条连线，以连线所对应两节点之间的余弦距离作为连线的权重，由此更新图神经网络架构，然后进入步骤F；

步骤F.根据图神经网络架构中各节点分别所对应的多维词向量、以及所存在节点之间连线的权重，应用随机游走算法计算更新各节点分别所对应的多维词向量，更新图神经网络架构，作为警务学习内容推荐模型；

步骤I.针对来自待推荐数据库中的目标警务学习内容，获得目标警务学习内容所对应警务学习内容推荐模型中的节点，作为目标节点，然后进入步骤II；

步骤II.根据警务学习内容推荐模型中各节点的节点值，获得目标节点分别与其余各节点之间的余弦距离，并获得其中余弦距离小于预设距离下限值的各个节点，作为目标待推荐节点，然后进入步骤III；