[发明专利]一种基于注意力机制的高校选修课混合推荐方法及系统

说明书

本发明公开一种基于注意力机制的高校选修课混合推荐方法及系统，包括：根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；根据目标学生专业课历史选课行为向量和候选选修课向量对目标学生向量进行注意力加权，根据加权后的目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。该推荐算法利用多方信息来进行课程推荐，可以有效的实现推荐效果的记忆能力和泛化能力。

技术领域

本发明涉及社会化推荐技术领域，特别是涉及一种基于注意力机制的高校选修课混合推荐方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着互联网选课方式在高校学生的课程选择中越来越普及，学生对于课程的选择往往处于一种迷茫的状态。由于对未知课程的不熟悉，学生很难抉择出满足自己兴趣同时有利于自己专业发展的选修课程。为了帮助学生更有效的选择出适合自己的课程，课程推荐需求在课程选择过程中愈加迫切。

当下已有的选课系统或者缺乏针对学生属性特征的个性化推荐、或者存在的推荐功能都是基于传统的协同过滤算法来实现的。协同过滤算法基于用户的历史行为，这种推荐算法可以充分挖掘用户的行为特征，却存在明显的冷启动问题，即学生之前对选课系统没有过历史行为的前提下，便很难得出学生选课的行为偏好。

同时传统的协同过滤算法不能很好的对学生行为特征做深层次的抽象，不能像深度学习那样挖掘出更多数据中潜藏的模式，简单地将深度学习应用于协同过滤方法的推荐也存在一些问题，因为学生的历史行为是多样的，所以多数情况下只有部分的历史行为对推荐结果有助益。比如对于一个学生来讲，他不仅选过选修课，也可能选过专业课，而专业课中的很多课程对于选修课的推荐也不会提供有效的作用。

传统的社会化推荐方法也存在若干问题，比如对于一个学生来讲，他的同学关系中对他选课偏好的塑造也可能是片面的，同学之间的选课偏好可能只是部分匹配，需要更为先进的推荐方法来提供更好的推荐算法。

综上，发明人认为，现有的推荐方法过于单一且推荐效果差；传统的协同过滤算法不能很好的表征一个学生对于课程的偏好，而现有的一些深度学习方法往往会利用学生所有的历史行为作为训练的样本，但学生所有的历史行为并不会都对学生的选课偏好预测起到正反馈的效果；传统的社会化推荐方法只是根据同学关系来预测新生的选课偏好，同学之间的选课偏好也可能只是部分相匹配，因此简单的采用社交关系中的其他同学选课偏好来塑造出一个学生的整体选课偏好可能具有更大的片面性。

发明内容

为了解决上述问题，本发明提出了一种基于注意力机制的高校选修课混合推荐方法及系统，通过应用注意力机制与深度神经网络构建的混合课程推荐方法，通过其他学生如学长等的选课历史行为得到其他同学的选课喜好，将多方面的选课行为偏好传播到学生间的社交关系中，进而推断出当前学生的选课行为偏好实现课程的推荐。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于注意力机制的高校选修课混合推荐方法，包括：

根据目标学生和其他学生的历史选课记录构建其他学生历史选课行为向量、目标学生专业课历史选课行为向量和候选选修课向量；

根据目标学生专业课历史选课行为向量和候选选修课向量对目标学生向量进行注意力加权，根据加权后的目标学生向量和学生关系对得到带有同学关系权重的同学关系向量；

根据候选选修课向量、其他学生历史选课行为向量和同学关系向量得到目标学生偏好向量，根据目标学生偏好向量对候选选修课进行排序，选取前k个选修课推荐至目标学生。