[发明专利]一种基于异质交互行为的数字教育资源匹配方法及系统

权利要求书

1.一种基于异质交互行为的数字教育资源匹配方法，其特征在于，包括步骤：

获取数字教育资源数据，数字教育资源数据包含学习者对数字教育资源的偏好数据、数字教育资源属性数据、学习者对数字教育资源的评论数据，每个学习者有唯一的编号；

根据偏好数据、数字教育资源属性数据构建异质图，以数字教育资源、数字教育资源属性作为异质图的节点，根据数字教育资源、数字教育资源属性间的关系确定节点间的边，对异质图进行特征提取获得每个数字教育资源的异质流特征向量，根据评论数据获取每个数字教育资源的文本特征向量；

将同一个数字教育资源的异质流特征向量、文本特征向量进行拼接获得每个数字教育资源的特征向量；

将待匹配的目标学习者编号及每个数字教育资源的特征向量输入到训练后的推荐模型中，输出被推荐的数字教育资源。

2.如权利要求1所述的一种基于异质交互行为的数字教育资源匹配方法，其特征在于，所述获得每个数字教育资源的异质流特征向量包括步骤：

将学习者i的偏好数据记i为学习者的编号，表示学习者i学习过的第n个数字教育资源，1≤n≤N，将视频n的数字教育资源属性数据记为表示视频n的第m个属性，1≤m≤M；

构建每个学习者的异质图，对于学习者i，其异质图的节点为转换后的实体，根据数字教育资源与属性间的关系确定所述节点间的边；

对每个学习者的异质图进行特征提取，获得每个数字教育资源的异质流特征向量。

3.如权利要求1所述的一种基于异质交互行为的数字教育资源匹配方法，其特征在于，所述获取每个数字教育资源的文本特征向量包括步骤：

将所述评论数据中的每个词通过word2vec转换成词向量，再按词顺序拼接成词向量矩阵；

对所述词向量矩阵进行特征提取，获取每个数字教育资源的文本特征向量。

4.如权利要求1所述的一种基于异质交互行为的数字教育资源匹配方法，其特征在于，所述推荐模型用于预测待匹配的目标学习者对各个数字教育资源的偏好程度，将偏好程度大于预设值的数字教育资源匹配给待匹配的目标学习者。

5.如权利要求4所述的一种基于异质交互行为的数字教育资源匹配方法，其特征在于，偏好程度的预测公式为：

其中为预测的偏好程度，σ表示为sigmoid激活函数，u为待匹配的目标学习者的编号的特征向量，e为数字教育资源的特征向量，T表示矩阵转置。

6.一种基于异质交互行为的数字教育资源匹配系统，其特征在于，包括：

获取模块，用于获取数字教育资源数据，数字教育资源数据包含学习者对数字教育资源的偏好数据、数字教育资源属性数据、学习者对数字教育资源的评论数据，每个学习者有唯一的编号；

提取模块，用于根据偏好数据、数字教育资源属性数据构建异质图，以数字教育资源、数字教育资源属性作为异质图的节点，根据数字教育资源、数字教育资源属性间的关系确定节点间的边，对异质图进行特征提取获得每个数字教育资源的异质流特征向量，根据评论数据获取每个数字教育资源的文本特征向量；

拼接模块，用于将同一个数字教育资源的异质流特征向量、文本特征向量进行拼接获得每个数字教育资源的特征向量；

输出模块，用于将待匹配的目标学习者编号及每个数字教育资源的特征向量输入到训练后的推荐模型中，输出被推荐的数字教育资源。

7.如权利要求6所述的一种基于异质交互行为的数字教育资源匹配系统，其特征在于，所述获得每个数字教育资源的异质流特征向量包括步骤：

将学习者i的偏好数据记i为学习者的编号，表示学习者i学习过的第n个数字教育资源，1≤n≤N，将视频n的数字教育资源属性数据记为表示视频n的第m个属性，1≤m≤M；

构建每个学习者的数字教育资源属性异质图，对于学习者i，其数字教育资源属性异质图的节点为转换后的实体，根据数字教育资源与属性间的关系确定所述节点间的边；

对每个学习者的数字教育资源属性异质图进行特征提取，获得每个数字教育资源的异质流特征向量。