[发明专利]基于二分图投影和node2vec的课程推荐方法

权利要求书

1.基于二分图投影和node2vec的课程推荐方法，其特征在于包括：

步骤1：学生-课程二分图构建；

步骤2：数据集划分

步骤3：学生-课程二分图加权投影；

步骤4：基于node2vec的学生与课程的节点特征表示；

步骤5：学生-课程链接特征提取；

步骤6：基于逻辑回归的二分器模型的训练以及评估；

步骤1包括：

1-1、在在线教育学生选课数据中提取学生和课程以及学生选课的相关信息；

1-2、将学生信息作为一类节点，课程信息作为一类节点，选课信息作为链接关系，构建学生-课程二分图；

步骤2包括：

2-1、建立学生-课程测试二分图；

2-2、建立学生-课程测试样本；

2-3、建立学生-课程训练二分图；

2-4、建立学生-课程训练样本；

步骤3包括：

3-1、提取学生节点中的共同选课关系，构建学生加权投影图，权重为共同选课的数量；

3-2、提取课程节点中的共同选课关系，构建课程加权投影图，权重同时选择两门课程的学生的数量；

步骤4包括：

4-1、获取基于二阶随机游走的节点邻接序列；

4-2、采用skip-gram模型学习随机游走序列的向量表示；

4-3、获取课程节点向量表示，获取学生节点向量表示；

步骤5具体包括：

5-1、计算学生-课程链接的向量表示；

5-2、设置学生-课程链接的向量表示的标签属性，学生-课程二分图中边对应的向量表示标签属性为1，否则为0；

步骤6具体包括：

6-1、逻辑回归二分类模型构建与训练；

6-2、将训练集输入逻辑回归模型进行训练，训练完毕后，通过acc对测试集的结果进行评估。

2.根据权利要求1所述的基于二分图投影和node2vec的课程推荐方法，其特征在于：所述的建立学生-课程测试二分图具体是：在学生-课程二分图中移除已存在链接的n％条链接作为测试样本中的positive-edge，并将剩余链接构成的二分图作为学生-课程测试二分图。

3.根据权利要求2所述的基于二分图投影和node2vec的课程推荐方法，其特征在于：所述的建立学生-课程测试样本具体是：在学生-课程二分图的所有空白链接中，抽出与为建立测试二分图而移除的positive-edge相同数目的空白链接作为negative-edge，并将positive-edge和negative-edge共同组成的样本作为测试样本。

4.根据权利要求1所述的基于二分图投影和node2vec的课程推荐方法，其特征在于：所述的建立学生-课程训练二分图具体是：在学生-课程测试二分图中移除已存在链接的n％条链接作为测试样本中的positive-edge，并将剩余链接构成的二分图作为学生-课程训练二分图。

5.根据权利要求4所述的基于二分图投影和node2vec的课程推荐方法，其特征在于：所述的建立学生-课程训练样本具体是：在学生-课程测试二分图的所有空白链接中，抽出与为建立训练二分图而移除的positive-edge相同数目的空白链接作为negative-edge，并将positive-edge和negative-edge共同组成的样本作为训练样本。

6.根据权利要求1所述的基于二分图投影和node2vec的课程推荐方法，其特征在于：步骤6-1具体是：

a.根据学生-课程训练样本中的链接特征和与其对应的标签属性构建逻辑回归模型；

b.构造损失函数，并通过优化参数，获取最小的损失函数，最后通过logistic回归进行分类。